2022年数理科学学院第八期研究生论坛如期举行。5月12日上午9:00-12:00，RCNS全体成员和各位导师共同参加。在这次组会上，由2名研三的学生汇报自己的毕业论文，然后老师与同学们对汇报内容进行学术探讨，并对存在的问题给出相应的指导和建议。

原莉：核糖核酸 (RNA)是活细胞中非常重要的生物分子之一，随着越来越多的RNA三级结构预测方法被设计出，对这些预测方法进行评估和优化来更加准确的预测RNA三级结构已然成为一项重要研究课题。
本文的主要研究内容有：
（1）为了更好地对现有的RNA三级结构预测方法进行整合与分析，我们将七种具有友好用户使用界面的预测方法（3dRNA，RNAComposer，MC-Fold/MC-Sym，Vfold，SimRNA，iFold，FARFAR2）和DSSR结构分析程序集成为一个新的RNA三级结构预测工具。
（2）基于上述RNA三级结构集成工具，我们进一步构建了一个基于RNA-Puzzles比赛的数据集，（包含43个不同长度类型的RNA结构），对主流RNA三级结构预测方法进行评估。从RNA分子大小、分子类型和二级结构类型层面对预测方法进行合理的比较研究。

      裴来凡：作为重要的视觉线索，纹理信息不仅体现在自然图像、遥感图像和医学图像等领域，而且体现在特征模式局部重复、非随机排列宏观模式刻画上。纹理图像的特征提取与分类研究，一直是纺织品疵点检测、印刷品检测、指纹识别、材料设计和生物形态学等领域的前沿热点之一。因此，针对传统的纹理图像特征表征和分类精度欠缺，开始全新视角的各种探索有着重要意义，我的论文分为以下六个部分:
      第一部分，主要介绍了复杂网络的相关理论，回顾了复杂网络和纹理图像分类研究背景，分析了复杂网络在纹理图像分类上的意义；讨论了复杂网络和纹理图像在应用中所面临的难题，对于传统分类方法、复杂网络分析法、以及可视图分类方法的纹理图像分析与分类开展了国内外的研究现状分析与综述;
      第二部分，回顾了本文研究所涉及了的时间序列、复杂网络、图像处理、机器学习的相关概念和方法，包括可视图、图片可视图、小世界网络、ER随机图模型、最短路径、集聚系数、拟等距同构等理论知识。
      第三部分，是在对可视图、水平可视图、图片可视图网络进行了详细论述的基础上，运用改进的图片可视图算法对自然纹理数据库、人工纹理数据库、整体纹理数据库的深入挖掘;
     第四部分，提出了基于彩色纹理数据集的多层图片可视图的算法框架。首先，将图片可视图算法从灰度纹理图像数据库拓展到了彩色纹理图像数据库应用场景；然后，将上述图片可视图分析与分类方法应用到了多种不同颜色空间；最后，通过数值仿真实验，展示了多层复杂网络特征提取应用于彩色纹理图像数据库分类的优越性。
     第五部分,运用改进的纹理图片可视图算法法对纹理图像在采集传输过程中由于噪声干扰等条件导致了纹理表面特征产生了变化等，进而影响了整体网络构建的过程的深入挖掘;
   第六部分，总结著名Kylberg、Original_Brodatz、Colored_Brodatz、Multi_band_Texture纹理图像数据库等被选为数值研究对象。从研究对象入手表明了该算法优于文献报道的相关传统图像分类算法，计算效率高、图像特征信息量大，提供了可视图算法设计参考和借鉴。理论分析和实验表明，改进的图片可视图算法具有显著的计算速度和足够的抗噪声稳定性，提取的特征更加简洁，硬件要求较低，更容易部署了。

—  学生汇报照片展示  —