基于科研能力培养的《模式识别原理与应用》教学改革

黄传波，韩承雪

(1.西南科技大学国防科技学院，四川 绵阳 621010； 2.商丘职业技术学院，河南 商丘 476100)

0 引言

自20世纪60年代以来，模式识别得到了迅速发展，并取得了丰硕的理论成果.目前，模式识别已成为当代高新技术研究的主要领域之一，成为一门独立的新学科.已经应用于系统控制、人工智能、遥感数据分析、机器人、目标识别、生物医学工程等领域，几乎渗透于各个学科，在国防建设、国民经济发展等方面得到了广泛应用.随着模式识别技术的迅速发展，对模式识别技术专门人才的需求也在迅猛增加.然而，作为一种知识密集型多学科交叉的技术，不仅要求学生必须系统地掌握模式识别理论和方法、应用相关知识，而且要求学生应具备相应的技术研发能力.因而，人才的全面素质培养越来越受到重视.把握国际一流高校的教学改革思路，树立培养研究应用型人才的教学思想，探索相应教学方法和教学模式，培养具备一定科研能力和较高科学素养的人才是当前模式识别课程的重要教学改革目标.模式识别课程主要讨论分类和识别的基本原理、方法.要求学生掌握其识别原理、方法及一些基本概念，并能把握其发展动态，运用所学相关知识解决实际问题，为研究新的模式识别理论和方法打下基础[1]76.文章从调整教学内容、改进教学模式、完善考核形式等方面进行了探索.

1 目前模式识别课程教学中存在的现实问题

“模式识别”课程在应用上，属于机器学习、人工智能的范畴，而就学术方面而言，可归于信息分析、数据处理的领域.该课程在纵向上，与高等数学、线性代数、数理统计、概率论、数值分析、数据挖掘等密切相关；在横向上，与信号处理、数字图像处理、信息检索等专业课程有关联[2]51.该课程比较抽象，数学公式推导多，着重于对实际问题数学建模的研究.在本课程讲授完后，大部分学生对讲授内容只是一知半解，不能将所学理论知识应用于相关实践, 如：在毕业设计和创新大赛中, 很多学生经常不知从何处入手.

当前模式识别课程在教学模式和内容上存在一些弊端：1)教师在授课过程中，通常以教师讲授为中心，缺少互动性，这种模式不利于调动学生的积极性和主动性，效果当然不理想；2)在实验环节，一般安排以个体为单位的基础性验证性实验为主，学生上机动手编程，根据相关课堂讲授内容设计相对简单的验证性实验.这种实验教学方法，学生不能真正熟悉模式识别在工程项目中的应用，不利于提高其专业技能，不利于拓展学生的创新思考能力，也不利于培养学生的团队协作能力及解决复杂问题能力.基于以上问题，必须通过优化教学内容和教学模式，合理配置多方教学资源，以改善当前教学现状.

2 优化模式识别课程的教学内容和教学方法

作为模式识别与智能系统专业基础课的模式识别课程，是一门与工程实践紧密联系的基础理论课程，其原理、概念和方法一般都用数学符号与公式阐述，由于利用模式识别理论解决实际问题的数学建模比较抽象且逻辑性强，讲授过程中往往会令学生感到枯燥、难懂，易使部分学生望而生畏.因此，就教学内容应当从以下几方面进行一些改革.

2.1 培养学生善于应用数学知识分析和解决实际问题的能力

多方面渗透数学建模的思想，通过数学建模与模式识别理论的密切联系，培养学生深层次理解模式识别基本方法的自觉性，提高基于模式识别理论运用数学知识解决实际问题的能力.在利用数学建模方法解决实际问题的过程中，使学生理解实际模式识别数学模型的来龙去脉.因而，将数学建模引入模式识别理论的课堂教学，培养学生运用模式识别基本理论、方法指导实践的自觉性，由此从实际问题的解决过程中深化对相关知识的理解.有利于调动学生学习的主动性和积极性，同时也利于培养学生运用模式识别理论解决实际问题的能力.模式识别相关实际问题的数学建模需要多学科知识综合运用，从而要求学生必须具有较广的知识面和较强的综合能力.如：抽象的逻辑思维能力、较强的发散思维能力、较强的创新意识和能力、熟练的计算机编程能力、相关资料的收集整理能力、较好的团队协作能力等.这些也是现代科研人才必备的基本素养.

在教学过程中，培养学生对具体模式识别问题进行数学建模的意识.1)要使学生明白模式识别数学模型的构建是一种数学思维方法，是运用数学手段对实际识别问题的抽象简化；2)注重培养学生通过数学建模将实际问题转换成数学问题的能力，使学生在思维素养、创造性开发、科学研究能力等方面都得到提高；3)教师对比较难理解的模式识别模型应精心设计讲授方法，把较为抽象的问题通过分解建模，除去非本质的因素构造最基本的数学模型，然后再通过给此模型追加约束等方法使其逐步完善，这样不仅有利于学生理解相关知识，而且有利于激发学生的创新思维能力；4)形象化模式识别理论中的一些比较抽象的问题，调动学生自觉学习的积极性.有很多知识，如：贝叶斯决策理论、前馈神经网络、自组织特征映射神经网络、支持向量机等，对学生来讲是比较抽象的，教师在讲解这些模型时有必要把抽象转变为形象建模；5)选择经典的实际问题，以“精、小”为出发点，最好是模式识别理论在高科技或生活实践中具体运用的热点问题.对这些典型应用进行透彻分析，以启发学生独立思考、自主探究的能力.

2.2 精选和提炼教学内容，提高教学的针对性和时效性

为提高学生的科研素养和综合运用知识的能力，在教学过程中应适当调整、筛选和提炼模式识别课程各章节的教学内容，并注重引入该课程的新理论和新方法，确保授课内容相对稳定而又不断更新.1)将模式识别课程中抽象难懂而又重要的知识点提炼出来.如：贝叶斯决策理论中的最大后验概率判决准则和最小风险贝叶斯判决准则、概率密度函数的非参数估计中的Parzen窗法、线性判别分析中的Fisher线性判决和分段线性距离分类器、特征提取与选择中的主分量分析(PCA)和独立分量分析(ICA)以及相应的基于核函数的方法、最大最小距离聚类算法、基于LBG算法的聚类分析、模糊聚类分析中的模糊K均值算法、前馈神经网络中的径向基函数网络、自组织特征映射神经网络中的自组织特征映射算法、支持向量机(SVM)中的线性可分与线性不可分两种情况的区别与联系等等.对这些内容要精讲，借助Matlab较强的可视化功能，通过图形、曲线、动画等相应方式将其原理、结果形象地展示出来.并注重运用各种框图将各个知识点串起来，让学生对其形成整体概念；2)注重介绍模式识别的相关应用.在学习过程中让学生自觉地理论联系实际，了解所学习的模式识别理论是与周围事物密切相关的，所学知识能运用于以后的工作中，将会大大激发起学生学习这门课程的兴趣和动力[3]45.如：与日常生活密切相关的语音识别、车牌识别、视频检索、指纹识别、人脸识别等内容.本着理论与实际运用相结合的授课方法，有利于学生加深对理论方法的理解，有利于学生系统地掌握模式识别的理论精髓和相关技术，有利于启发学生应用模式识别解决相关领域实际问题的能力；3)要根据模式识别领域最新的研究进展，及时引入最新科研成果，如：流行学习和稀疏表示等理论知识.

3 探索模式识别课程的研究型教学模式

模式识别是一门与实际应用结合非常紧密的专业课，为使学生具备一定的科研素质，培养有后劲、有创新勇气和智慧的复合型人才，必须将研究型教学原则渗透到人才培养的各个教学环节之中.1)要建立一支从事模式识别相关专业方向研究的教学师资队伍.在模式识别学科建设的基础上，引导教师主动探索运用研究型教学方法，从教学水平、知识体系上提高教师的研究型教学能力.这也要求从事模式识别专业教学工作的教师都应该从事一定的相关科研工作或科技项目开发.显然，研究能力较差、相关专业学术水平不高的教师，在培养具有研究创新能力的学生方面，会感到力不从心；2)教学与科研合作，鼓励学生参与实际工程项目，改进模式识别课程教学方式，完善研究型教学方法.扬弃传统的课程教学方法与手段，彻底摒弃以教师为主体的灌输式教学方法，不断改进和采用先进的教学手段.对当前的模式识别课程内容进行改进，加入相应的研究学习内容；改革当前的课程考核方法，给学生更多的发挥空间，建立思想活跃的学术性学习环境，激发学生的创新思维.

[1] 谭咏梅，王小捷，钟义信. 模式识别课程的教学探索[J]. 计算机教育，2011(15).

[2] 袁 立，李晓理. 基于CDIO的“模式识别”课程教学改革研究探索[J]. 中国电力教育， 2013 (4).

[3] 谢利民，郑百伟. 现代教学基础理论[M]. 上海: 上海教育出版社，2003.