浅谈本科阶段模式识别基础课程教学方法改革

刘烨

摘 要：近年来，大数据与人工智能已经成为当前信息技术发展的方向。作为大数据分析和人工智能的基础课程，模式识别基础课程起着重要的入门作用。但是，由于本科阶段的学生数学基础不够，编程经验不够丰富。因此，教师要想取得良好的教学效果，需要对课程理论、实践内容进行适当的取舍，并对教学方法进行适当的改革，以使学生更好地学习知识。

关键词：本科教学；模式识别基础；改革

中图分类号：G64 文献标识码：A 文章编号：1673-9132（2018）31-0006-02

DOI：10.16657/j.cnki.issn1673-9132.2018.31.002

大数据与人工智能是当前的热门话题，在这种背景下，在本科阶段开设相关课程具有重要的现实意义。模式识别是通过计算机用数学的方法来对特定对象如声音、图像等进行自动的处理、分类和解释，它是人工智能的重要组成部分。目前，模式识别在许多领域都得到了广泛的应用[1]，如指纹门禁系统、安防中人脸识别系统、手机语音识别系统等。学生在本科阶段掌握模式识别的基础知识，能为其今后从事相关行业或是继续深造打下知识基础。

由于模式识别课程内容较多所涉及的知识较为复杂[2]，因此需要教师对教学内容进行适当的取舍。而且，由于模式识别涉及的数学知识较多，需要采用新的教学方法，以提高学生的学习兴趣，引导学生理解所学知识[3]。另外，为了锻炼学生运用所学知识解决实际问题的能力，需要合理设置实践教学环节，并选择难度合适的实践教学内容。具体来说，教师可从以下几方面入手。

一、教学内容改革

模式识别基础主要包括线性判别函数，近邻法，特征提取与特征选择，贝叶斯决策理论，神经网络等。而其中的每项内容都有几种甚至几十种的方法，如线性判别函数有Fisher准则、感知器、最小错分样本数准则、最小平方误差准则等。这些方法如果全部讲授，学生可能存在理解困难，并容易混淆。因此，有必要对教学内容进行适当的取舍，选取其中有代表性的方法，让学生熟练掌握，并能够运用解决实际问题。而一些不常用的方法只要求学生能够了解其原理及其适用范围。

此外，模式识别需要一些知识作为基础，如图像处理、矩阵论、最优化方法等。这些基础知识都是本科阶段的学生所欠缺的。因此，需要在介绍模式识别理论之前，简要介绍这些基础知识。另外，一些编程技术如MATLAB、OPENCV等也需要介绍，为学生课程实践打下基础。

模式识别学科本身就是来源于实际，因此模式识别的方法在众多领域都有应用。因此，在介绍理论知识的同时，可适当增加与实际应用相结合的内容，如在介绍主成分分析时，可结合其在人脸识别的应用“特征脸”来进行，让学生能够对理论与实际应用有更为感性的认识。

二、教学方法改革

1.强化演示教学法的作用。模式识别课程理论性较强，一个方法往往包含大量的数学推导。而学生往往对数学符号的意义感到较为陌生。采用演示教学法能使这种情况得到改善。模式识别课程中的演示教学法主要针对数学推导较多的算法，以MATLAB程序和程序生成的图表为主，现场演示算法的执行过程和执行结果。通过现场修改程序，让学生体会到数学公式中变量在实际分类效果中的意义。

模式识别基础课程中案例教学法有两个注意事项：首先，在选择演示程序实例时，尽量选择数据能够被直接可视化的例子，如通过身高、体重两个维度的数据来对性别进行分类。这样数据可以直接显示在二维平面，学生可以直观观察到分类结果。其次，程序不宜过长，程序结构应尽量简化，演示前可对照数学公式将程序讲解一遍。

2.采用启发式教学法。启发式教学法有两个目的：一是将教师的知识引导转化为学生的知识；二是将学生的知识引导转化为解决实际问题的能力。对于这两点，采取增加学生学习积极主动性的策略。即从第一节课开始，就向学生说明模式识别课程是用来解决实际问题的，引导学生思考市场上的模式识别产品如指纹识别等的工作原理，并进一步引导学生思考如果自己来开发类似的系统，应该具备哪些知识，采用哪些技术手段来实现。另外，在课堂上多采用发问的方式來引发学生的思考，如果时间不允许，可以不请学生回答，在提出问题后待学生短暂思考后再逐步引导学生探索问题的正确答案。

三、实践教学环节改革

实践教学环节对于锻炼学生运用知识解决实际问题的能力起着重要的作用[4]。对于本科阶段的模式识别课程来说，实践教学环节面临两个问题：第一是时间短。模式识别课程在本科阶段一般作为选修课，课时不会太多，在有限的课时中分出时间来进行试验课可能造成讲课课时不足。第二是实践教学面临选题难。模式识别系统的复杂程度较高，编程量较大，选择适合本科阶段学生的实践教学题目是需要解决的问题。

为了解决时间短的问题，不采取实验课的方式，而采取课后大作业的方法，让学生利用课余时间来完成。选题方面，选择实现一些经典问题，比如人脸识别作为课题。其中，包含的图像处理基础以及MATLAB编程基础需要在讲课时讲授。将人脸识别系统分解为：特征提取，分类器训练，分类识别几大模块，每一个模块如何实现在课堂上都讲解清楚。必要时，可以给出一个最基本的人脸识别程序如用像素作为特征以及最近邻分类器，让学生在此基础上扩充、改进。然后，加入PCA降维、LBP特征提取，K-近邻分类器，线性鉴别分析等。在保证学生积极性的前提下，锻炼学生运用所学知识解决实际问题的能力，同时也能够让学生体会到这些方法的优缺点。

四、结语

针对本科阶段学生在知识基础、编程经验方面的不足，教师在授课过程中需要对内容进行相应的取舍；在教学方法上，也需要更多的引导，避免一味灌输，以使学生保持学习兴趣；在实践教学环节中，应考虑到学生和课程的实际情况，循序渐进，锻炼学生运用知识解决实际问题的能力。

参考文献：

[1] 张学工.模式识别[M].北京：清华大学出版社，2010.

[2] 张芳，肖志涛，韩晓军，吴骏，刘丽杰.模式识别课程教学改革思考[J].计算机教育，2012（4）：45.

[3] 戚玉涛，刘芳，焦李成.模式识别教学实践与课程改革[J].计算机教育，2010（19）：24.

[4] 刘雨，孙即祥，余莉.“模式识别”课程开放式案例教学设计[J].电气电子教学学报，2011（3）：103.