◇◇新语丝(www.xys.org)(xys4.dxiong.com)(www.xysforum.org)(xys2.dropin.org)◇◇

　　周志华教授的第五篇孪生论文揭穿了一切

　　作者：铁证

　　首先，我发现了《模式识别与人工智能》上2001年的一篇老文章，见[3]，
居然是周教授一稿四发的另外一个孪生兄弟。这篇文章与前面打假者提出的中文
版[1]的唯一区别是在实验中多了2个数据集，与IJCAI01一样均为4个数据集，实
验结果完全相同。有趣的是作者顺序又有变化(吴、陈、周）。先不谈周教授的
剽窃，这种一稿五发[1-5]可能要创学术界的记录了。就算在2001年，按周说中
英两发是“很自然”的，但中文英文均分别一稿两发也未免太离谱了，真是饥不
择食了...

　　这篇文章网上只能查到摘要，只有万方等数据库中有全文（全文的PDF已作
为附件发给方先生，希望能在[3]处提供链接）。看完这篇文章，感觉就好像周
教授自己承认了剽窃一样，为什么这样说，看看下面这几个自相矛盾就知道了。

　　周教授自相矛盾之一：

　　文[3]的投稿日期在2001年3月，周在2001年1月的IJCAI01英文版中摘要、结
论中均声称自己的理论分析证明了manybetter than all（后面简称many-all）, 
如果说1年前投第一篇中文[1]时没有意识到这个贡献，在投了IJCAI01后仅仅1个
多月，同样的中文文章[3]投往中文杂志，却在摘要、结论中没有这项贡献，这
岂不是自相矛盾？除了这个自相矛盾，还顺便请教一个小问题：如果2000年周投
[1]时还未意识到成果的价值，投IJCAI01总该意识到了吧？为什么一个月后又投
了个国内的二流刊物（比《计算机研究与发展》的档次还低）？（而且自己居然
变成了三作，过家家啊...）

　　周教授自相矛盾之二：

　　周在回复中说：“我们在文章页面比较宽松的时候会提一下Perrone和
Cooper的这个早期工作，而IJCAI限制很少的篇幅（最多6页），就没有提起。”
但文[1]5页多，引文12篇；文[3]5页，引文19篇，而IJCAI文6页，引文20篇，为
什么在这3篇中恰恰是文章页面紧张时引用了P&C文[6]，而比较宽松的时候却没
有引用P&C文？这岂不是与周的说法自相矛盾？另外再请教一事：3篇文章中档次
最高的IJCAI01不引用，国内准一流刊物《计算机研究与发展》正文中引用1次，
二流刊物《模式识别与人工智能》正文中引用2次，难道你的原则是引用次数和
所投刊物（会议）的档次成反比？请周教授赐教。

　　周教授自相矛盾之三：

　　这是最关键的一点，周教授在文[3]中对前面公式4的表述和最早中文版[1]
一样，是说“公式4与Perrone等人的结果一致”。但是，在文[3]中的公式11前
却写到“若记C=...，则Perrone等人得到计算Wopt的公式11”，这里的公式11即
是IJCAI01的公式24，这个表述更直接地表明周在[3]中承认是Perrone等人得到
该式，自己对此没有贡献。但一个月前投IJCAI01却在此处说“we get: (24)”，
并直接取消参考文献的P&C文，这两种说法的自相矛盾也太夸张了吧？顺便请教：
如果自己算法推导中的一个关键公式是Perrone等人得到，还能说P&C文与自己的
工作不太相关？

　　从上面的三个自相矛盾，我想说的是：

　　1、周有意在IJCAI01省略对P&C文的引用，并将P&C的贡献窃为己有（见其摘
要、结论的表述）可以说铁证如山。

　　2、如果说8年前周还年轻，学术上不够检点，可以辩解“一个工作，写了一
个中文版一个英文版（[文2]、[4]），这在当时很普遍...”,但目前已经贵为杰
青、长江，却在自己的回复中不提中文版还有一篇，企图故意隐瞒该文，做人的
诚信何在？

　　3、既然主要是周教授的工作，为什么中文版两篇都是吴作为一作，再苛刻
的老板也至少让你挂一篇的一作吧？

　　4、2001年中文版一稿两发普遍吗？你当时认为也是对的吗？你是否又认为
这两个中文刊物之间会自己协调？

　　5、如果我哪天把公式17-20改个形式，说自己首次证明了“part could be 
better than whole", 投到《软件学报》，周编委能否高抬贵手，让我过关？

[1] 吴建鑫，周志华，沈学华，陈兆乾，一种选择性神经网络集成构造方法，计
算机研究与发展，2000年，第9期，1039-1044
[2] Z-H Zhou, J-X Wu, Y. Jiang and S-F Chen, Genetic Algorithm based 
Selective Neural Network Ensemble, IJCAI’01, pp. 797-802
[3]、吴建鑫，陈兆乾，周志华，基于最优权值的选择性神经网络集成方法，
《模式识别与人工智能》，2001，14(4).
[4] Z-H Zhou, J-X Wu, and W. Tang. Ensembling Neural Networks: Many 
could be Better than All, AIJ 2002, 137(1-2):239-263.
[5] Z-H Zhou, J-X Wu, W. Tang, Z-Q Chen, Combing regression estimators: 
GA-based selectively neural network ensemble. International Journal of 
Computational Intelligence and Applications, 2001, 1(4): 341-356.
[6] M. P. Perrone, L. N. Cooper. When Networks disagree: ensemble 
method for neural networks. Artificial Neural Networks for Speech and 
Vision, 1993, 126-142. 

(XYS20091108)

◇◇新语丝(www.xys.org)(xys4.dxiong.com)(www.xysforum.org)(xys2.dropin.org)◇◇