南京林业大学计算机科学技术,南京林业大学信息科学技术学院

生物信息学以基因组学和蛋白组学等数据库为基础，综合育种学流程中的遗传、生理、生化、栽培、生物统计等学科的有用信息，根据具体育种目标和生长环境，在计算机上设计最佳方案。该学科方向的特色研究如下：(1)与常规育种方法相比，基因组分子设计育种首先在计算机上模拟实施，可考虑的因素更多、更周全，因而所选用的亲本组合、选择途径等更有效，更能满足育种的需要，可以极大地提高育种效率。(2)依靠我校生物学的学科优势和实验条件，南京林业大学林木遗传与基因工程国家林业局重点实验室，配备了Roche 454 GS FLX测序仪，高性能的512GB、64核的服务器，而学科组成员全部具有计算机专业背景，能够在该实验平台上进行设计算法并进行计算机仿真。本方向现有教授1名，副教授1名，在职博士3名(2名师从“长江学者”伊佟明教授，另1名师从东南大学吴国新教授)，已完成如下工作：(1)完成了簸箕柳基因组测序、装配和注释工作，完成了簸箕柳染色体的初装工作，其结果已于2014年发表在Nature子刊《Cell Research》上(影响因子12.41)；(2)完成了簸箕柳与杨树的比较基因组研究，定位了簸箕柳的性别基因在15号染色体的位置，同时发现簸箕柳与杨树基因组具有高度的同线性关系，该成果发表于Nature子刊《Scientific Reports》(我校的第一、第二篇CNS(Cell Nature Science)刊物及子刊论文)；(3)系统研究了杨树、大豆、拟南芥、水稻的转录因子、顺式调控元件、基因调控网络等内容，并对基因表达谱进行分析，设计了多款软件，部分已申请软件著作权。

数据挖掘研究领域主要研究内容包括：(1)面向动态不确定环境下的迁移和领域自适应的学习模型与方法，具体包括：分析数据分布的规律，研究监督、无监督和半监督的多知识迁移模型融合的新方法、新理论；充分利用先验知识模型，揭示复杂数据内在结构，研究迁移和领域自适应的特征选择和抽取理论和模型。(2)面向动态环境海量数据描述模型与方法，具体包括建立动态不确定环境下图像数据的鲁棒重建和分割，包括基于稀疏描述的图像重建和基于低秩、核范数描述的图像重建技术；研究动态复杂鲁棒、判别分割方法，包括试探法、演化模式识别方法等。(3)在应用层面上，开发面向动态不确定环境的海量数据挖掘相关软件，并将以高端服务和制造业为主要应用领域，积极推动相关技术的实际应用，包括模式识别应用、智能机器人应用、基于情感的信息服务和信息生物学等等。该方向具有教授1名、副教授2名，讲师5人(其中具有博士学位的有3名，在读博士2名)，硕士生8人。获ACM南京赛区卓越博士提名奖1次。本方向以青年教师为主组成的高学历团队，核心成员具有国家重点学科、计算机相关专业的博士学位，长期从事数据挖掘方向的研究。科研基础扎实，核心成员从硕士阶段开始，一直从事该方向的研究，近5年，发表论文近50篇，期中有20篇SCI论文发表在IEEE Transaction on Image Process，Pattern Recognition, Pattern Recognition Letters, Neural Networks，Neurocomputing等国际权威期刊上。本方向成员具有重大应用项目的经历，主持或参与国家、省部级项目共7项，研究问题如复杂动态环境下机器人感知、无人驾驶车辆主动安全技术、木材CT图像的缺陷识别和三维图像重建技术，以及卫星遥感图像进行数据融合分析等。

网络方向核心成员由教授1名，副教授2名，讲师(博士)2名组成。近5年，该方向主持教育部留学归国人员启动基金1项，省自然科学基金1项，省林业局三新工程项目一项1项，厅级、校级项目和横向项目多项，发表论文50多篇。结合南京林业大学的学科优势，本方向特色研究内容如下：(1)用于支撑林业科学项目等重要网络应用的网络技术，包括永置的传感器节点设计理论与实现模型，林业物联网部署等技术；(2)网格计算环境的安全模型与相关技术，包括访问控制服务和通信安全服务等方面；(3)网络与系统安全事件的应急响应方法与相关技术，及新型的自动响应模型与实现方法；(4)无线局域网安全理论与技术，包括接入保护技术、接入控制技术、密码技术、服务质量保证技术、Ad hoc安全技术以及支持高速移动的认证服务技术等。在技术开发和应用方面，侧重于基于理论研究所产生的各种应用系统或应用系统组件，包括支持信息理论与技术研究的网络入侵检测系统的测试评估系统，支持网络与信息系统事件响应的实验平台，大规模互联网络的分布式监测系统，高速网络环境下的信息系统。

数字可视化技术研究方向的可视化问题包括数学、物理方法建模，如采用微分方程模型模拟植物生长状态，采用弹簧模型和有限元法的物理作用来模拟物体变形的主要造型技术，此外还涉及到诸如分形技术和粒子系统等。主要以“点云数据”为研究对象，三维扫描及相关数据建模技术近几年来发展迅速，工程领域中应用前景十分广阔。本方向核心成员5名，期中副教授4名，讲师1名。学科组成员多年从事图形图像方面研究，近5年，主持国家自然科学基金1项，省自然科学基金1项，省科技支撑项目1项，其它项目若干。已公开发表学术论文70多篇。针对林木的点云数据科学研究工作，国内外都还处于起步阶段，但其相对于已有的林木测量方法优势明显。以下结合本学科的特点和已取得的部分研究成果，优势和特色总结如下：(1)利用点云数据重构三维物体表面，建模方法采用非接触测量，具有速度快，精度高，真实感强，不受表面复杂度影响等特点。(2)根据点云数据重建过程中的建模流程，在设计算法中融入局部拓扑信息，现已设计出包括多种方法，内容涉及多视点拼接算法、点云网格化算法、模型简化算法及多分辨率表示等。(3)空间数据的体视化研究 (Volume Visualization)，点云数据的研究成果可拓展到工程数据和测量数据的高维可视化，而且应用的领域涉及范围越来越广。