“模式識別技術”課程教學改革探索

岳殿佐 侯玉雙

摘?要：在大數據時代，模式識別技術的廣泛應用促進了該領域人才的需求，使得“模式識別技術”課程在高校人才培養中的重要地位逐漸凸顯。“模式識別技術”課程是一門多學科交叉的課程，該課程具有理論性強、知識點多、概念抽象難理解的特點。這些特點使得在較少課時下如何讓學生較好掌握該門課的知識成為一個難題。文章以此為出發點，從理論學習過程創新、算法學習過程創新、授課方式創新、教材創新四個方面探索“模式識別技術”課程教學改革方法。

關鍵詞：模式識別技術；教學改革；創新

Exploration?on?Teaching?Reform?of?Pattern?Recognition?Technology

Yue?Dianzuo1?Hou?Yushuang1，2

1.Hebei??Normal?University?of?Science?and?Technology?HebeiQinhuangdao?066004；

2.Inner?Mongolia?University?of?Science?and?Technology?Inner?MongoliaBaotou?014010

Abstract：In?the?era?of?Big?Data，the?wide?application?of?pattern?recognition?technology?has?promoted?the?demand?for?talents?in?this?field.The?important?position?of?pattern?recognition?technology?courses?in?college?personnel?training?is?gradually?highlighted.The?pattern?recognition?technology?course?is?a?multidisciplinary?course?with?strong?theory，many?knowledge?points，and?abstract?concepts?that?are?difficult?to?understand.These?characteristics?make?it?a?difficult?problem?for?students?to?better?grasp?the?knowledge?of?the?course?in?less?class?hours.Taking?this?as?a?starting?point，the?article?explores?the?teaching?reform?method?of?pattern?recognition?technology?from?four?aspects：innovation?of?theoretical?learning?process，innovation?of?algorithm?learning?process，innovation?of?teaching?methods，and?innovation?of?teaching?materials.

Keywords：pattern?recognition?technology；teaching?reform；innovation

一、“模式識別技術”課程教學改革需求

近年來，隨著計算機運算能力的提升，由計算機處理識別、分類等繁瑣工作的應用案例已滲透到各行各業。人們對人工智能、機器學習、人工神經網絡、大數據、大智慧等新的專業名詞已然耳熟能詳。我們在工作生活中享受著智能化所帶來便利的背后，是一系列智能算法的實施，而這些算法的基礎即模式識別技術。模式識別技術簡單來說是將人類所具有的識別、分類、分析等能力通過算法傳給計算機，讓計算機代替人腦完成識別和分類任務，如面部識別、語音識別、車牌識別、圖片分類等。高校中講授該技術的課程之一即“模式識別技術”。“模式識別技術”不僅是計算機類本科生的一門專業基礎課程，也是很多院校碩士研究生的必修課程。對于本科生而言，該課程注重打好模式識別技術的基礎，包括理解基本概念，基本方法及基礎理論。對于碩士研究生而言，旨在通過該課程的學習將傳統模式識別技術與該領域研究的前沿問題相結合，與實際待處理的問題相結合，從而進行一些創新性的研究。由此可見，“模式識別技術”課程在高校人才培養中的重要性。

“模式識別技術”課程的特點是理論性強，知識點多，概念抽象難理解。模式識別技術是一門多學科交叉的課程，包括線性代數，概率論，運籌學，圖像處理技術、編程技術等，因而該課程要求學習者具有較高的專業基礎知識。這些特點也導致了在較少課時下如何讓學生較好掌握所傳授的知識成為一個難題。筆者結合自身教學實踐就此問題進行了以下幾方面的教學改革探索，獲得了較好的效果。

二、模式識別技術教學改革探索

“模式識別技術”課程教學改革探索的內容如圖1所示，可以概括為理論學習、算法學習過程創新、授課方式創新、教材創新四個方面。

（一）理論學習重理解輕推導

模式識別技術在類別可分性判據、求解判別函數、貝葉斯估計、支持向量機等章節中都包含了大量的理論推導過程［1］。推導過程中用到了較多的“線性代數”“概率論”

“運籌學”“高等數學”等課程的知識。比如在《判別域代數界面方程法》一章，講解Fisher線性判別函數這部分內容時，需要從判別界面的尋找轉到映射方向的求解這一問題上來。求解映射矢量的過程中需要推導均值矢量、類內離差陣、類間離差陣、及變換后的離差度，從而引出Fisher準則函數。進一步，在Fisher準則函數求導的過程又要用到Lagrange乘子法，對矢量求偏導等數學知識［2］。而這些知識是大多數學生難以理解的內容，把它們結合起來運用到模式識別中更難以實現。因此，我們在教學中可以根據學生的水平靈活調整理論推導過程。對于特別難以理解的推導過程，要凝練簡化，解釋關鍵步驟，說明推導中用到知識點即可。學生只要理解結論的來龍去脈即可，畢竟大多數院校學生學習這門課程并不是以掌握理論推導工程為目的，而是以掌握模式分類的算法為目標。切不可長篇大論一味推導難點，使學生產生畏難情緒而逐漸削弱學習興趣。比如上面提到的例子中，Lagrange乘子法部分即屬于特別難以理解的內容，應當稍做介紹而不應深入講解。對于稍難理解的理論部分，應當較細致地講解，而不應簡化。比如上例中，類內、類間離差陣的求解過程，即應當詳細推導而不應略過。如果遇到理論就簡化，學生學習過程會變得浮躁，覺得課程沒有深度而不愿再下功夫去琢磨難點。對于易于理解的理論部分，應當引導學生自己推導，使學生在推導過程中獲得成就感，既加深了對概念的理解，又提高了學習興趣。

（二）算法學習重實踐輕死記硬背

判斷學生是否掌握一種模式識別算法關鍵在于學生是否能夠根據學習的理論知識動手實現算法，并且將其從簡單案例練習應用到復雜問題的求解，即在理解的基礎上實踐，在實踐中拓展。因此，對于算法部分的學習要注重理解、實踐，切忌死記硬背算法的實施步驟。在介紹完一種算法的原理后，可以讓學生自行總結算法的步驟，畫出算法流程圖，流程圖是概念和編程之間的紐帶。圖2顯示了在講授簡單聚類算法過程中，指導學生繪制程序算法流程圖的過程。在繪制流程圖的過程中學生需要消化算法的概念，并和已學的編程語言相聯系，可謂事半功倍。

簡單聚類算法

算法原理步驟

（1）取任意的一個模式特征矢量作為第一個聚類中心。

例如，令ω1類的中心Z1=x1。

（2）計算下一個模式特征矢量x2到Z1的距離d21。

若d21＞T，則建立新的一類ω2，其中心Z2=x2。

若d21≤T，則x2∈ω1。

（3）假設已有聚類中心Z1，Z2…Zk，計算尚未確定類別的模式特征矢量到各聚類中心的距離dij。

如果dij＞T（j=1，2，…，k），則xi作為新的一類ωk+1的中心，Zk+1=xi；

否則，如果dij=minj［dij］，則xi∈ωi。檢查是否所有的模式都分劃完類別，如果都分劃完則結束；否則返回到（3）。

上機實踐是一個必不可少的環節。學生經過理解算法原理，繪制出算法流程圖之后，需要通過上機實踐來鞏固學生對算法的認識，也能夠判斷出學生對算法是否理解正確。在上機實踐的過程中，學生帶著自己總結的算法流程進行上機編程練習，去檢驗自己成果的正確性，積極性特別高，也會更珍惜實踐課的時間。這時教師可以因勢利導，由簡單的問題入手，先處理維數低、易于處理的數據。如編寫圖2中的算法程序時，可以先處理簡單的一維數據、二維數據，然后過渡到多維的數據。待程序編寫正確之后，再提出更復雜的問題，逐步引導學生對算法的應用進行拓展。

（三）授課方式創新——張弛有度

“模式識別技術”課程中不同的模式識別方法是以理論分析為基礎展開的，學生不能只知算法而不知理論，應知其然且知其所以然。如果忽略理論講授會導致學生對算法的理解停留在較淺顯的層面，難以將該算法進行拓展應用，更難以對算法進行優化修改。然而，理論的敘述過程需要準確、嚴謹，以至于授課過程難免枯燥乏味。特別是該課程在講授理論的過程中大多充斥著專業的名詞、概念、抽象的知識點［3］。這導致理論講授過程枯燥沉悶，而學生在枯燥的學習中易疲勞，注意力難集中，長此以往，學生的學習興趣會減弱。因此，有必要合理控制理論課講授的時間，適時而止，一張一弛相結合，從而達到理想的教學效果［4］。一般來說，一堂課50分鐘時間，前10分鐘是學生注意力的上升期。從剛進課堂逐步將思維過渡到課堂內容，10分鐘之后達到注意力的高值，而后持續20分鐘左右開始下降，到45分鐘至50分鐘臨近下課時注意力快速下滑。教師應當利用好這一特點，可以將知識點化整為零并與講授中穿插案例相結合。比如一節課50分鐘時間我們分成三部分，中間穿插10分鐘生動靈活的案例，使學生從緊張枯燥的學習中得以緩解，留出時間消化之前的內容，也為后面20分鐘緊張的學習做好了準備。這就需要教師利用空余時間仔細學習一些教材內容以外的相關知識，要有較廣的閱讀基礎，多涉獵一些理論應用的案例。比如，魚罐頭廠對鮭魚和鱸魚的分類要求可以穿插聚類法的講解中；狙擊手如何判斷一個隱藏的目標是否是敵方的狙擊手，這個問題可以結合到貝葉斯統計決策的內容講授；同學們比較感興趣的模式識別任務，如圖片識別、人臉識別等問題，可以結合特征選擇與特征提取部分講解。

（四）教材創新——活頁+電子資源

高等教育內涵式發展，是以提高人才培養水平和質量為核心目標，使得高等教育必須在結構上進行優化，在培養質量上嚴格要求，在課程改革和教學上創新。一方面“模式識別技術”課程一般涵蓋了統計決策方法、聚類算法、代數界面方程法、特征提取、特征選擇等幾方面的內容，各方面內容之間有所關聯，但關聯性不強，因而不同的教材也呈現出不同章節的排布方式。另一方面，某一內容之中又包含多種算法，如代數界面方程法中包含Fisher線性判別、感知器算法、最小平方誤差法等。而聚類算法中包括簡單聚類方法、最大最小距離法、k均值算法、ISODATA法等。算法與算法之間的關聯性也較弱，因而學生學習中容易混淆。針對這個問題，我們可以探索使用活頁式教材及輔導材料，更有利于學生區分記憶［4］。所謂“活頁式”教材指在形式上將固定封裝的課本轉換為可以靈活拆卸的形式，類似于活頁日記本、操作手冊等。比如在系統講授完聚類分析一章后，將不同的聚類算法整理成活頁式資料；每種算法的精髓及實施步驟單獨成頁，這樣更方便學生課后復習以及編程實踐時進行參考。當然活頁式教材不能只在形式上“活”，更要在內容上“活”。我們可以嘗試在活頁上印刷二維碼，將線上資源（示例程序、演示視頻等）與紙質教材相結合，進一步提高活頁教材的利用效率［5］。活頁教材的另一個特點是內容的更新更靈活，能夠跟隨技術的發展、與人才需求的變化。電子教材的配套使用彌補了紙版教材改版慢的缺點，在模式識別新技術、新應用不斷涌現的現實環境下，電子教材的使用尤其重要［6］。

結語

總之，為適應大數據時代模式識別技術人才的專業需求，“模式識別技術”課程的教學改革是大勢所趨、勢在必行的。除了上述四個方面的探索之外，還應當根據學生的學習背景因材施教；根據時代的發展因時而異，與時俱進。在模式識別領域涌現的新技術、新應用應在授課中滲透給學生，比如可以開展小組討論、文獻閱讀等多種活動彌補課堂講授的局限性。教學方法的改革應注重以人才培養目標為方向，理論與實踐相結合，進一步豐富教學手段，科學推進“模式識別技術”課程的教學改革。此外，這種教學改革方法的探索也可以嘗試推廣至其他具有類似特點的課程。

參考文獻：

［1］邊肇祺，張學工，等.模式識別（第二版）［M］.北京：清華大學出版社，2000.

［2］孫即祥.現代模式識別（第一版）［M］.長沙：國防科技大學出版社，2001.

［3］付建軍，陳高鋒，朱亮亮.NX機械三維設計課程活頁式教材開發及應用探索［J］.陜西教育（高教），2021（02）：3132.

［4］王云鳳.“三教”改革背景下職業院校教材建設的實踐探索與策略［J］.中國職業技術教育，220（35）：9396.

［5］韋曉陽.深化“三教”改革?新時代教材建設的實踐與探索［J］.中國職業技術教育，2020（5）：8487.

［6］李政.職業教育新形態教材：內涵、特征與編寫策略［J］.職教論壇，2020（4）：2126.

基金項目：國家自然科學基金（地區基金）（課題編號：62065015）；河北省自然科學基金面上項目（課題編號：F2022407007）

作者簡介：岳殿佐（1982—?），男，漢族，河北唐山人，博士，河北科技師范學院高級工程師，主要從事物聯網專業教學工作，研究方向：模式識別、人工神經網絡；侯玉雙（1979—?），女，博士，河北科技師范學院教授，研究方向：智能計算。