基于研究型教學的模式識別教學改革

劉爽　李梅　張重

【摘要】模式識別用于處理智能信息，主要研究領域是分類識別。提出教學改革的目的是為了解決目前模式識別教學中存在的一系列問題，使學生對知識不再是囫圇吞棗，而能夠舉一反三。通過教學改革，學生可以很容易的了解并接受新知識，教學效果頗為令人滿意。

【關鍵詞】模式識別 研究型 教學改革

【基金項目】基于研究型教學的數字圖像處理教學改革探討，項目號：JGYB01217042；天津師范大學“青年科研拔尖人才培育計劃”，項目號：135202RC1703。

【中圖分類號】TP391.4-4 【文獻標識碼】A 【文章編號】2095-3089（2018）20-0223-01

模式識別的目的是確定一個樣本的類別屬性（模式類），即以最小的誤差對目標進行分類。模式識別是一門以應用為基礎的課程，涉及到多個相關學科，如數學、人工智能、圖像處理、計算機視覺等等。針對傳統教學過程中存在的問題：教學方法單一、授課內容缺少對最新研究成果的介紹、對創新能力的培養缺乏有效方法、對學生的評價不夠全面，我們提出對模式識別教學進行如下幾個方面的改革，使學生在學習本課程后，能編程實現簡單的模式識別算法，明白模式識別的具體操作實現，了解熱點問題和發展趨勢。

1.教學內容改革

“模式識別”課程共計51學時，學習這門課程需要學生有扎實的數學基礎。為避免學生本末倒置，將學習重心放在數學分析上，而對應用的理解不夠深入，我們對貝葉斯決策理論、設置9學時，對概率論相關知識、線性代數相關知識、貝葉斯決策理論的實際應用、貝葉斯網絡、介紹貝葉斯網絡分別設置3學時，以點帶面，鼓勵學生自主探索，做到融會貫通。

對于模式識別專業知識的介紹，我們采用循序漸進的方式，介紹人類認知過程與機器認知過程。幫助學生正確區分模式識別與模式，先介紹模式識別系統的整體框架并分析各個部分的主要目的與實現方法，然后介紹其應用范圍。列舉模式識別在實際應用中的實例，如測量體溫、血壓、心率、血液化驗、車牌識別、語音識別、文字識別、目標識別等，使學生對模式識別的認識由抽象上升為具體。接著介紹Bag-of-words（BoW）這一典型的模式識別方法。主要介紹BOW模型的應用場景、基本思想、基本步驟、優缺點等，使學生掌握BoW模型的基本步驟，尤其是編碼和池化；要求學生會使用k-means算法生成一個字典。另外還會介紹的是局部二值模式（LBP）。LBP有多種形式，除了傳統的模式之外，還有幾種演進模式。要求學生自主查閱資料，理解這些模式之間的演進關系并掌握他們的計算方法，掌握其應用場景。

在特征提取過程中，特征維數有時會很大，這樣很容易使模式識別結果變差。針對這一情況，我們引入PCA（principal component analysis）和LDA（linear discriminant analysis）這兩種有效方法用于降維，詳細介紹他們的原理、步驟、優缺點。

此外，我們還會講解典型分類算法的基本思想及應用場景，重點講解最近鄰分類及支持向量機分類器（SVM），使學生了解分類器的作用，并能根據實際情況選擇恰當的分類器，了解SVM的基本思想及三大特點：最大間隔、核方法及松弛變量。

2.教學方式改革

在這門課程的教學過程中，我們力圖避免傳統教學過程中的教師講課，學生一味記筆記，師生之間缺少互動、學生之間缺少互動的情況。我們帶領學生閱讀 A Completed Modeling of Local Binary Pattern Operator for Texture Classification等經典論文。將學生2-3人分為一組，分享他們閱讀這些經典論文的想法，并能對BoW和LLC、LBP和CLBP進行比較，發現異同以及各自的優缺點。使用MARLAB仿真軟件運行BoW、LLC、LBP、CLBP代碼，理解他們在實際情況中的處理過程以及代碼實現方式。鼓勵學生發散思維，能夠提出新穎的想法，并在原有的代碼基礎上修改實現。最后，提交一份實驗報告。

3.考核方式改革

模式識別的學習需要投入大量的時間和精力，開設本課程是讓學生對模式識別技術的整體概貌有一定程度的了解，知道其主要應用和發展方向，同時掌握最基本的概念、算法原理和技術方法。本課程的考核分為兩大部分：平時成績和期終考試成績。其中，平時成績占60%，以學生的綜合表現給與評定，包括出勤率、作業完成情況、課堂發言、綜合實踐能力、團隊協作能力等。期末成績占40%，主要考核學生對所學知識的掌握情況、查詢資料的能力還有創新能力。

模式識別是一門涉及面比較廣的學科，開展教學改革是明智之舉。目前，教學改革已初步實施并取得了比較明顯的教學效果，我們期待可以最大化的挖掘出學生的潛能，培養出具有創新思維的學生。