岳殿佐 侯玉雙

摘?要：在大數(shù)據(jù)時(shí)代，模式識別技術(shù)的廣泛應(yīng)用促進(jìn)了該領(lǐng)域人才的需求，使得“模式識別技術(shù)”課程在高校人才培養(yǎng)中的重要地位逐漸凸顯?！澳Ｊ阶R別技術(shù)”課程是一門多學(xué)科交叉的課程，該課程具有理論性強(qiáng)、知識點(diǎn)多、概念抽象難理解的特點(diǎn)。這些特點(diǎn)使得在較少課時(shí)下如何讓學(xué)生較好掌握該門課的知識成為一個(gè)難題。文章以此為出發(fā)點(diǎn)，從理論學(xué)習(xí)過程創(chuàng)新、算法學(xué)習(xí)過程創(chuàng)新、授課方式創(chuàng)新、教材創(chuàng)新四個(gè)方面探索“模式識別技術(shù)”課程教學(xué)改革方法。

關(guān)鍵詞：模式識別技術(shù)；教學(xué)改革；創(chuàng)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(shù)”課程教學(xué)改革需求

近年來，隨著計(jì)算機(jī)運(yùn)算能力的提升，由計(jì)算機(jī)處理識別、分類等繁瑣工作的應(yīng)用案例已滲透到各行各業(yè)。人們對人工智能、機(jī)器學(xué)習(xí)、人工神經(jīng)網(wǎng)絡(luò)、大數(shù)據(jù)、大智慧等新的專業(yè)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(shí)施，而這些算法的基礎(chǔ)即模式識別技術(shù)。模式識別技術(shù)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(jì)算機(jī)，讓計(jì)算機(jī)代替人腦完成識別和分類任務(wù)，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(shù)的課程之一即“模式識別技術(shù)”。“模式識別技術(shù)”不僅是計(jì)算機(jī)類本科生的一門專業(yè)基礎(chǔ)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(shù)的基礎(chǔ)，包括理解基本概念，基本方法及基礎(chǔ)理論。對于碩士研究生而言，旨在通過該課程的學(xué)習(xí)將傳統(tǒng)模式識別技術(shù)與該領(lǐng)域研究的前沿問題相結(jié)合，與實(shí)際待處理的問題相結(jié)合，從而進(jìn)行一些創(chuàng)新性的研究。由此可見，“模式識別技術(shù)”課程在高校人才培養(yǎng)中的重要性。

“模式識別技術(shù)”課程的特點(diǎn)是理論性強(qiáng)，知識點(diǎn)多，概念抽象難理解。模式識別技術(shù)是一門多學(xué)科交叉的課程，包括線性代數(shù)，概率論，運(yùn)籌學(xué)，圖像處理技術(shù)、編程技術(shù)等，因而該課程要求學(xué)習(xí)者具有較高的專業(yè)基礎(chǔ)知識。這些特點(diǎn)也導(dǎo)致了在較少課時(shí)下如何讓學(xué)生較好掌握所傳授的知識成為一個(gè)難題。筆者結(jié)合自身教學(xué)實(shí)踐就此問題進(jìn)行了以下幾方面的教學(xué)改革探索，獲得了較好的效果。

二、模式識別技術(shù)教學(xué)改革探索

“模式識別技術(shù)”課程教學(xué)改革探索的內(nèi)容如圖1所示，可以概括為理論學(xué)習(xí)、算法學(xué)習(xí)過程創(chuàng)新、授課方式創(chuàng)新、教材創(chuàng)新四個(gè)方面。

（一）理論學(xué)習(xí)重理解輕推導(dǎo)

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

“運(yùn)籌學(xué)”“高等數(shù)學(xué)”等課程的知識。比如在《判別域代數(shù)界面方程法》一章，講解Fisher線性判別函數(shù)這部分內(nèi)容時(shí)，需要從判別界面的尋找轉(zhuǎn)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(dǎo)均值矢量、類內(nèi)離差陣、類間離差陣、及變換后的離差度，從而引出Fisher準(zhǔn)則函數(shù)。進(jìn)一步，在Fisher準(zhǔn)則函數(shù)求導(dǎo)的過程又要用到Lagrange乘子法，對矢量求偏導(dǎo)等數(shù)學(xué)知識［2］。而這些知識是大多數(shù)學(xué)生難以理解的內(nèi)容，把它們結(jié)合起來運(yùn)用到模式識別中更難以實(shí)現(xiàn)。因此，我們在教學(xué)中可以根據(jù)學(xué)生的水平靈活調(diào)整理論推導(dǎo)過程。對于特別難以理解的推導(dǎo)過程，要凝練簡化，解釋關(guān)鍵步驟，說明推導(dǎo)中用到知識點(diǎn)即可。學(xué)生只要理解結(jié)論的來龍去脈即可，畢竟大多數(shù)院校學(xué)生學(xué)習(xí)這門課程并不是以掌握理論推導(dǎo)工程為目的，而是以掌握模式分類的算法為目標(biāo)。切不可長篇大論一味推導(dǎo)難點(diǎn)，使學(xué)生產(chǎn)生畏難情緒而逐漸削弱學(xué)習(xí)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(nèi)容，應(yīng)當(dāng)稍做介紹而不應(yīng)深入講解。對于稍難理解的理論部分，應(yīng)當(dāng)較細(xì)致地講解，而不應(yīng)簡化。比如上例中，類內(nèi)、類間離差陣的求解過程，即應(yīng)當(dāng)詳細(xì)推導(dǎo)而不應(yīng)略過。如果遇到理論就簡化，學(xué)生學(xué)習(xí)過程會(huì)變得浮躁，覺得課程沒有深度而不愿再下功夫去琢磨難點(diǎn)。對于易于理解的理論部分，應(yīng)當(dāng)引導(dǎo)學(xué)生自己推導(dǎo)，使學(xué)生在推導(dǎo)過程中獲得成就感，既加深了對概念的理解，又提高了學(xué)習(xí)興趣。

（二）算法學(xué)習(xí)重實(shí)踐輕死記硬背

判斷學(xué)生是否掌握一種模式識別算法關(guān)鍵在于學(xué)生是否能夠根據(jù)學(xué)習(xí)的理論知識動(dòng)手實(shí)現(xiàn)算法，并且將其從簡單案例練習(xí)應(yīng)用到復(fù)雜問題的求解，即在理解的基礎(chǔ)上實(shí)踐，在實(shí)踐中拓展。因此，對于算法部分的學(xué)習(xí)要注重理解、實(shí)踐，切忌死記硬背算法的實(shí)施步驟。在介紹完一種算法的原理后，可以讓學(xué)生自行總結(jié)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(dǎo)學(xué)生繪制程序算法流程圖的過程。在繪制流程圖的過程中學(xué)生需要消化算法的概念，并和已學(xué)的編程語言相聯(lián)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(gè)模式特征矢量作為第一個(gè)聚類中心。

例如，令ω1類的中心Z1=x1。

（2）計(jì)算下一個(gè)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(shè)已有聚類中心Z1，Z2…Zk，計(jì)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(jié)束；否則返回到（3）。

上機(jī)實(shí)踐是一個(gè)必不可少的環(huán)節(jié)。學(xué)生經(jīng)過理解算法原理，繪制出算法流程圖之后，需要通過上機(jī)實(shí)踐來鞏固學(xué)生對算法的認(rèn)識，也能夠判斷出學(xué)生對算法是否理解正確。在上機(jī)實(shí)踐的過程中，學(xué)生帶著自己總結(jié)的算法流程進(jìn)行上機(jī)編程練習(xí)，去檢驗(yàn)自己成果的正確性，積極性特別高，也會(huì)更珍惜實(shí)踐課的時(shí)間。這時(shí)教師可以因勢利導(dǎo)，由簡單的問題入手，先處理維數(shù)低、易于處理的數(shù)據(jù)。如編寫圖2中的算法程序時(shí)，可以先處理簡單的一維數(shù)據(jù)、二維數(shù)據(jù)，然后過渡到多維的數(shù)據(jù)。待程序編寫正確之后，再提出更復(fù)雜的問題，逐步引導(dǎo)學(xué)生對算法的應(yīng)用進(jìn)行拓展。

（三）授課方式創(chuàng)新——張弛有度

“模式識別技術(shù)”課程中不同的模式識別方法是以理論分析為基礎(chǔ)展開的，學(xué)生不能只知算法而不知理論，應(yīng)知其然且知其所以然。如果忽略理論講授會(huì)導(dǎo)致學(xué)生對算法的理解停留在較淺顯的層面，難以將該算法進(jìn)行拓展應(yīng)用，更難以對算法進(jìn)行優(yōu)化修改。然而，理論的敘述過程需要準(zhǔn)確、嚴(yán)謹(jǐn)，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(yè)的名詞、概念、抽象的知識點(diǎn)［3］。這導(dǎo)致理論講授過程枯燥沉悶，而學(xué)生在枯燥的學(xué)習(xí)中易疲勞，注意力難集中，長此以往，學(xué)生的學(xué)習(xí)興趣會(huì)減弱。因此，有必要合理控制理論課講授的時(shí)間，適時(shí)而止，一張一弛相結(jié)合，從而達(dá)到理想的教學(xué)效果［4］。一般來說，一堂課50分鐘時(shí)間，前10分鐘是學(xué)生注意力的上升期。從剛進(jìn)課堂逐步將思維過渡到課堂內(nèi)容，10分鐘之后達(dá)到注意力的高值，而后持續(xù)20分鐘左右開始下降，到45分鐘至50分鐘臨近下課時(shí)注意力快速下滑。教師應(yīng)當(dāng)利用好這一特點(diǎn)，可以將知識點(diǎn)化整為零并與講授中穿插案例相結(jié)合。比如一節(jié)課50分鐘時(shí)間我們分成三部分，中間穿插10分鐘生動(dòng)靈活的案例，使學(xué)生從緊張枯燥的學(xué)習(xí)中得以緩解，留出時(shí)間消化之前的內(nèi)容，也為后面20分鐘緊張的學(xué)習(xí)做好了準(zhǔn)備。這就需要教師利用空余時(shí)間仔細(xì)學(xué)習(xí)一些教材內(nèi)容以外的相關(guān)知識，要有較廣的閱讀基礎(chǔ)，多涉獵一些理論應(yīng)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(gè)隱藏的目標(biāo)是否是敵方的狙擊手，這個(gè)問題可以結(jié)合到貝葉斯統(tǒng)計(jì)決策的內(nèi)容講授；同學(xué)們比較感興趣的模式識別任務(wù)，如圖片識別、人臉識別等問題，可以結(jié)合特征選擇與特征提取部分講解。

（四）教材創(chuàng)新——活頁+電子資源

高等教育內(nèi)涵式發(fā)展，是以提高人才培養(yǎng)水平和質(zhì)量為核心目標(biāo)，使得高等教育必須在結(jié)構(gòu)上進(jìn)行優(yōu)化，在培養(yǎng)質(zhì)量上嚴(yán)格要求，在課程改革和教學(xué)上創(chuàng)新。一方面“模式識別技術(shù)”課程一般涵蓋了統(tǒng)計(jì)決策方法、聚類算法、代數(shù)界面方程法、特征提取、特征選擇等幾方面的內(nèi)容，各方面內(nèi)容之間有所關(guān)聯(lián)，但關(guān)聯(lián)性不強(qiáng)，因而不同的教材也呈現(xiàn)出不同章節(jié)的排布方式。另一方面，某一內(nèi)容之中又包含多種算法，如代數(shù)界面方程法中包含F(xiàn)isher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(guān)聯(lián)性也較弱，因而學(xué)生學(xué)習(xí)中容易混淆。針對這個(gè)問題，我們可以探索使用活頁式教材及輔導(dǎo)材料，更有利于學(xué)生區(qū)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(zhuǎn)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(tǒng)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(shí)施步驟單獨(dú)成頁，這樣更方便學(xué)生課后復(fù)習(xí)以及編程實(shí)踐時(shí)進(jìn)行參考。當(dāng)然活頁式教材不能只在形式上“活”，更要在內(nèi)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(zhì)教材相結(jié)合，進(jìn)一步提高活頁教材的利用效率［5］?；铐摻滩牡牧硪粋€(gè)特點(diǎn)是內(nèi)容的更新更靈活，能夠跟隨技術(shù)的發(fā)展、與人才需求的變化。電子教材的配套使用彌補(bǔ)了紙版教材改版慢的缺點(diǎn)，在模式識別新技術(shù)、新應(yīng)用不斷涌現(xiàn)的現(xiàn)實(shí)環(huán)境下，電子教材的使用尤其重要［6］。

結(jié)語

總之，為適應(yīng)大數(shù)據(jù)時(shí)代模式識別技術(shù)人才的專業(yè)需求，“模式識別技術(shù)”課程的教學(xué)改革是大勢所趨、勢在必行的。除了上述四個(gè)方面的探索之外，還應(yīng)當(dāng)根據(jù)學(xué)生的學(xué)習(xí)背景因材施教；根據(jù)時(shí)代的發(fā)展因時(shí)而異，與時(shí)俱進(jìn)。在模式識別領(lǐng)域涌現(xiàn)的新技術(shù)、新應(yīng)用應(yīng)在授課中滲透給學(xué)生，比如可以開展小組討論、文獻(xiàn)閱讀等多種活動(dòng)彌補(bǔ)課堂講授的局限性。教學(xué)方法的改革應(yīng)注重以人才培養(yǎng)目標(biāo)為方向，理論與實(shí)踐相結(jié)合，進(jìn)一步豐富教學(xué)手段，科學(xué)推進(jìn)“模式識別技術(shù)”課程的教學(xué)改革。此外，這種教學(xué)改革方法的探索也可以嘗試推廣至其他具有類似特點(diǎn)的課程。

參考文獻(xiàn)：

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

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

［3］付建軍，陳高鋒，朱亮亮.NX機(jī)械三維設(shè)計(jì)課程活頁式教材開發(fā)及應(yīng)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(yè)院校教材建設(shè)的實(shí)踐探索與策略［J］.中國職業(yè)技術(shù)教育，220（35）：9396.

［5］韋曉陽.深化“三教”改革?新時(shí)代教材建設(shè)的實(shí)踐與探索［J］.中國職業(yè)技術(shù)教育，2020（5）：8487.

［6］李政.職業(yè)教育新形態(tài)教材：內(nèi)涵、特征與編寫策略［J］.職教論壇，2020（4）：2126.

基金項(xiàng)目：國家自然科學(xué)基金（地區(qū)基金）（課題編號：62065015）；河北省自然科學(xué)基金面上項(xiàng)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(xué)院高級工程師，主要從事物聯(lián)網(wǎng)專業(yè)教學(xué)工作，研究方向：模式識別、人工神經(jīng)網(wǎng)絡(luò)；侯玉雙（1979—?），女，博士，河北科技師范學(xué)院教授，研究方向：智能計(jì)算。