一、东南大学PALM实验室的学术地位与保研概况

东南大学PALM实验室（Pattern Analysis and Machine Learning Laboratory，模式分析与机器学习实验室）是中国人工智能和模式识别研究领域具有重要影响力的学术机构。实验室依托东南大学计算机科学与工程学院和自动化学院的学科优势，在模式识别、计算机视觉、医学图像分析、生物信号处理和机器学习基础理论等方向取得了丰硕的研究成果。PALM实验室的研究团队由多位在IEEE Transactions系列、CVPR、ICCV、NeurIPS等顶级期刊和会议上活跃发表成果的优秀学者组成，科研氛围浓厚、学术视野开阔。实验室配备高性能计算集群和丰富的医学影像数据集资源，为研究生提供了一流的科研条件。从保研角度来看，PALM实验室每年招收推免研究生约十五到二十人，生源主要来自计算机科学与技术、自动化、电子信息、生物医学工程、数学等专业的优秀本科生。实验室对GPA的要求总体在3.5以上（四分制），但更加重视数学基础、编程能力和科研潜力的综合表现。理解PALM实验室的招生偏好和评估逻辑，对于申请者制定有针对性的学业规划具有重要的指导意义。

二、数学基础课程的GPA核心竞争力构建

PALM实验室的研究方向——无论是模式识别、计算机视觉还是医学图像分析——都建立在坚实的数学基础之上。因此，实验室在推免评估中特别看重申请者的数学课程成绩。核心数学课程包括：高等数学（微积分）、线性代数、概率论与数理统计、最优化方法和离散数学。这些课程的成绩是评估申请者是否具备从事机器学习研究的基本数学素养的关键指标。建议在高等数学和线性代数两门课上力争九十分以上，因为这两门课程构成了机器学习中梯度下降、矩阵运算、特征分解等核心算法的数学基础。概率论与数理统计同样至关重要，贝叶斯推断、最大似然估计、假设检验等概念贯穿于模式识别和机器学习的理论体系。如果本科学校开设最优化方法、凸优化或数值分析等进阶数学课程，强烈建议选修并取得优异成绩。此外，建议在数学课程的学习过程中注重理论与应用的结合，尝试用编程实现数学算法（如梯度下降、牛顿法、奇异值分解等），这不仅能加深对数学原理的理解，还能在申请材料中展现你的数学建模和编程实践能力。

三、计算机视觉方向的GPA要求与课程策略

计算机视觉是PALM实验室最活跃的研究方向之一，涉及图像分类、目标检测、语义分割、三维重建、视频理解等前沿研究课题。该方向的保研GPA要求总体在3.5以上，但特别看重以下核心课程的成绩：数字图像处理、计算机视觉、深度学习、模式识别和信号处理。建议在这些课程上投入充足的学习时间，目标分数在八十八分以上。数字图像处理课程是计算机视觉的基础，需要熟练掌握图像增强、滤波、边缘检测、形态学操作等经典算法及其数学原理。计算机视觉课程则涵盖相机模型、立体视觉、运动估计、特征匹配等核心内容，建议结合OpenCV编程实践加深理解。深度学习课程是当前计算机视觉的核心驱动力，需要深入理解卷积神经网络、Transformer、生成对抗网络等主流架构的原理和应用。在课程学习之外，建议积极参与Kaggle竞赛或计算机视觉挑战赛（如CVPR Workshop Challenge），取得好成绩将极大地增强你的申请竞争力。

四、医学图像分析方向的学业规划特点

医学图像分析是PALM实验室的特色优势方向，将人工智能技术与临床医学深度结合，在CT、MRI、超声等医学影像的自动分析和辅助诊断方面开展了一系列有影响力的研究。该方向对申请者的跨学科能力有较高要求，既需要具备扎实的计算机视觉和机器学习基础，又需要对医学影像的基本原理和临床应用有初步了解。在GPA要求上，除了计算机和数学核心课程外，如果申请者选修过医学影像学、解剖学基础或生物医学工程导论等课程并取得良好成绩，将获得额外的竞争优势。建议的课程规划策略是：在大二阶段打牢数学和编程基础，大三上学期集中学习计算机视觉和深度学习的核心知识，大三下学期开始接触医学图像相关的研究课题。在编程技能方面，建议熟练掌握Python和PyTorch框架，同时了解医学图像处理中常用的ITK、SimpleITK和3D Slicer等工具。如果有机会在本科阶段参与医学图像分析相关的科研项目或毕业设计，选择这一方向的课题将为你申请PALM实验室的医学图像方向奠定坚实基础。

五、生物信号处理与模式识别方向的GPA差异化策略

生物信号处理和模式识别是PALM实验室中交叉性较强的研究方向，涉及脑电信号（EEG）、心电信号（ECG）、肌电信号（EMG）等生物医学信号的采集、处理、特征提取和模式分类。该方向对申请者的信号处理基础和机器学习能力都有较高要求。在课程规划上，数字信号处理是绝对的核心课程，需要熟练掌握傅里叶变换、小波变换、滤波器设计、时频分析等基本概念和算法。同时，建议选修生物医学信号处理、神经科学导论或生理信号分析等专业课程，展现你对这一交叉领域的系统学习和深入了解。在GPA策略上，建议数字信号处理和机器学习课程成绩达到八十八分以上，同时保持数学课程（尤其是线性代数和概率论）的高分。在编程实践方面，建议熟练掌握MATLAB和Python在信号处理中的应用，了解MNE-Python（脑电信号分析）和BioSPPy（生物信号处理）等专业工具库。如果能在本科阶段参与生物信号相关的科研项目并产出具体的研究成果，将在PALM实验室的推免评估中获得显著的竞争优势。

六、编程能力与项目实践的GPA加分策略

在PALM实验室的保研评估中，编程能力和项目实践经验虽然不直接体现在GPA数字上，但对整体竞争力的提升至关重要。建议申请者从以下几个维度系统提升编程能力：第一，熟练掌握至少一门深度学习框架（PyTorch为首选），能够独立实现从数据加载、模型构建、训练到评估的完整流程。第二，具备扎实的Python编程功底，熟悉NumPy、SciPy、Pandas、Matplotlib等科学计算库的使用。第三，有C或C++编程能力，能够理解和实现底层算法，这对于从事计算机视觉和图像处理的效率优化非常重要。第四，建立个人GitHub项目仓库，将课程作业、科研项目和自学成果整理成规范的开源项目，在申请材料中附上链接，直观展现你的编程水平和工程能力。在项目实践方面，建议参加至少一项与PALM实验室研究方向相关的竞赛，如全国大学生人工智能大赛、中国大学生计算机设计大赛或国际数学建模竞赛，取得省级以上奖项将为申请材料增添有力的竞争力证明。

七、GPA与科研并行的时间管理与学业平衡

申请PALM实验室保研的同学面临的共同挑战是如何在保证GPA的同时积累足够的科研经验。建议的时间管理策略如下：大二阶段以课程学习为重心，GPA投入占七成，科研投入占三成（主要是学习基础知识、阅读文献和参与入门级项目）。大三上学期开始逐步加大科研投入比例，GPA和科研各占五成，选择一到两个与PALM实验室研究方向高度契合的课题深入研究。大三下学期进入科研冲刺期，科研投入占六成，GPA保持四成，争取在学术论文或竞赛成果上取得突破。在整个过程中，充分利用碎片时间进行文献阅读和技术学习，如在通勤时听机器学习播客、在课间阅读最新论文摘要等。建议每周保持固定的科研时间块（如每周三下午和周末一天），确保持续推进研究进度。同时注意避免过度疲劳，保持规律作息和适度运动，以良好的身心状态应对高强度的学业和科研双重压力。合理的时间管理和高效的执行力，是在GPA和科研两条线上同时取得优异成绩的关键所在。