張競成 袁琳 陳豐農(nóng) 吳開華

【摘 要】“模式識(shí)別”作為理工科院校研究生階段一門重要的專業(yè)課，與科研過程聯(lián)系緊密，其教學(xué)效果對(duì)研究生科研質(zhì)量有較大影響。本研究首先介紹了“模式識(shí)別”課程的教學(xué)現(xiàn)狀。在此基礎(chǔ)上，對(duì)研究生“模式識(shí)別”課程與科研結(jié)合點(diǎn)進(jìn)行剖析，分別從（1）數(shù)據(jù)分布、統(tǒng)計(jì)特征、概率密度特征，（2）各類分類器的原理及適用條件，以及（3）特征選擇和提取方法三個(gè)方面進(jìn)行介紹，并介紹了筆者所在的教研室對(duì)研究生“模式識(shí)別”課程進(jìn)行的改革和探索。最后指出課程未來建設(shè)發(fā)展的問題和挑戰(zhàn)，希望給廣大同行提供參考。

【關(guān)鍵詞】模式識(shí)別;研究生;教學(xué)方法;改革

中圖分類號(hào)： TN911.7-4;G642 文獻(xiàn)標(biāo)識(shí)碼： A文章編號(hào)： 2095-2457（2019）06-0200-002

DOI：10.19694/j.cnki.issn2095-2457.2019.06.077

0 引言

模式識(shí)別（Pattern Recognition）是通過計(jì)算機(jī)用數(shù)學(xué)方法來研究模式的自動(dòng)處理和判讀，該門課程由于在電子、自動(dòng)化、通信、生物工程等多個(gè)理工科領(lǐng)域有廣泛的應(yīng)用，同時(shí)也與數(shù)據(jù)挖掘、大數(shù)據(jù)分析、人工智能等多門現(xiàn)代新興學(xué)科有著廣泛而深刻的聯(lián)系，很多知識(shí)是這些學(xué)科領(lǐng)域開展研究工作的工具和基礎(chǔ)。因此，模式識(shí)別作為一門研究生課程在高校的理工科相關(guān)專業(yè)中廣泛開設(shè)。模式識(shí)別課程的內(nèi)容與統(tǒng)計(jì)學(xué)，線性代數(shù)，離散數(shù)學(xué)等多門基礎(chǔ)數(shù)學(xué)課程關(guān)聯(lián)，同時(shí)如神經(jīng)網(wǎng)絡(luò)、遺傳算法、模擬退火等多種模式識(shí)別和優(yōu)化算法又借鑒了仿生學(xué)以及其它物理原理、規(guī)律和模型，因此教學(xué)內(nèi)容較為復(fù)雜，教學(xué)難度較高，致使研究生對(duì)課程的掌握普遍停留在“大概了解”的水平，難以將課程知識(shí)和方法活學(xué)活用，促進(jìn)科研工作。本文對(duì)研究生模式識(shí)別課程的教學(xué)現(xiàn)狀進(jìn)行梳理，并且結(jié)合教研室老師在研究生模式識(shí)別多年授課中進(jìn)行的思考和嘗試，探討如何將研究生模式識(shí)別課程與科研更好地結(jié)合。

1 “模式識(shí)別”課程教學(xué)現(xiàn)狀

模式識(shí)別課程由于涉及內(nèi)容綜合而廣泛，因此教學(xué)方式往往靈活而多樣。目前，國內(nèi)部分高校等模式識(shí)別任課教師已嘗試對(duì)課程教學(xué)方法進(jìn)行不同形式的改革和實(shí)踐。戚玉濤等（2010）針對(duì)學(xué)生數(shù)學(xué)基礎(chǔ)有限的問題，結(jié)合教學(xué)實(shí)踐，將模式識(shí)別的教學(xué)內(nèi)容劃分為基礎(chǔ)型和前沿型兩類，并針對(duì)兩種類型提出弱化公式推導(dǎo)強(qiáng)調(diào)物理含義的教學(xué)思路，結(jié)合實(shí)例先導(dǎo)教學(xué)法從如何培養(yǎng)學(xué)生實(shí)踐能力和科研興趣的角度給出了一些建議[1]。劉雨等（2011）針對(duì)“模式識(shí)別”課程教學(xué)，提出了開放式案例教學(xué)的構(gòu)想和具體實(shí)施方法，并以課程實(shí)驗(yàn)加課堂研討的方式實(shí)現(xiàn)，從實(shí)際科研項(xiàng)目中分解提煉出與課程教學(xué)內(nèi)容相關(guān)的內(nèi)容作為案例，設(shè)計(jì)分層次、縱橫連貫的課堂研討教學(xué)[2]。張燦龍和唐艷平（2014）針對(duì)模式識(shí)別課程教學(xué)中存在的諸如課程難度較高、教學(xué)方法單一、學(xué)生數(shù)學(xué)基礎(chǔ)較差等問題，提出了監(jiān)督式任務(wù)驅(qū)動(dòng)、開放式案例設(shè)計(jì)、虛擬教學(xué)平臺(tái)建設(shè)等改革方案，并進(jìn)行了有益的實(shí)踐[3]。馬麗和侯強(qiáng)（2014）在進(jìn)行模式識(shí)別課程教學(xué)時(shí)，通過科學(xué)的教學(xué)設(shè)計(jì)培養(yǎng)學(xué)生的創(chuàng)新思維和科研能力，采用以實(shí)際科研任務(wù)為主線和以啟發(fā)科學(xué)思維為核心的教學(xué)方法，培養(yǎng)學(xué)生獨(dú)立分析問題、解決問題的能力[4]。孫麗慧和宋蔚（2016）嘗試將模式識(shí)別課程與科研實(shí)際結(jié)合，結(jié)合心電圖（ECG）信號(hào)處理方面的最新研究進(jìn)展，探討了對(duì)課程教學(xué)手段、教學(xué)方法及教學(xué)內(nèi)容改進(jìn)和完善的改革和實(shí)踐[5]。陳錫愛等（2017）將項(xiàng)目教學(xué)方法應(yīng)用于模式識(shí)別研究生課程的教學(xué)，以工程項(xiàng)目開發(fā)能力為培養(yǎng)目標(biāo)，以視覺檢測(cè)在生產(chǎn)線上的應(yīng)用為實(shí)驗(yàn)對(duì)象，采用理論教學(xué)與實(shí)踐教學(xué)交叉進(jìn)行的方式，有效鍛煉學(xué)生的系統(tǒng)設(shè)計(jì)和測(cè)試能力[6]。綜上，如何將模式識(shí)別課程教學(xué)與科研實(shí)際相結(jié)合可能是改善課程教學(xué)效果，培養(yǎng)學(xué)生創(chuàng)新能力的可行途徑。

2 研究生“模式識(shí)別”課程與科研結(jié)合點(diǎn)剖析

模式識(shí)別課程的不同章節(jié)能夠?yàn)榭蒲刑峁┎煌乃伎冀嵌?、分析工具和解決問題的策略。本部分對(duì)這些聯(lián)系進(jìn)行一定的梳理，以便于課程教學(xué)中更好的選擇教學(xué)方法，把握教學(xué)重點(diǎn)。

2.1 對(duì)數(shù)據(jù)分布、統(tǒng)計(jì)特征、概率密度特征的理解和分析

在很多的科研問題中都需要對(duì)數(shù)據(jù)的分布統(tǒng)計(jì)特征和概率密度特征有深入的了解，模式識(shí)別課程中關(guān)于統(tǒng)計(jì)決策方法以及概率密度函數(shù)估計(jì)兩部分中相關(guān)的內(nèi)容能支撐上述分析，使研究者更好地了解所分析數(shù)據(jù)的特征。具體的方法可以包括正態(tài)分布時(shí)的統(tǒng)計(jì)決策、最小錯(cuò)誤率及最小風(fēng)險(xiǎn)貝葉斯決策、參數(shù)估計(jì)、最大似然估計(jì)、貝葉斯學(xué)習(xí)等。該部分的知識(shí)與概率統(tǒng)計(jì)課程中的內(nèi)容關(guān)聯(lián)緊密、相互補(bǔ)充，在教學(xué)過程中應(yīng)注意對(duì)兩門課程中關(guān)聯(lián)內(nèi)容的介紹和串講。

2.2 理解各類分類器的原理及適用條件

分類器是模式識(shí)別課程的重要內(nèi)容，同時(shí)也是各類科研中頻繁用到的工具。分類器大體可以包括Fisher線性判別、感知器、支持向量機(jī)等線性分類器，二次判別、多層感知器、人工神經(jīng)網(wǎng)絡(luò)等非線性分類器，K-近鄰法、決策樹和隨機(jī)森林等其它分類器以及K-MEANS聚類、ISODATA等非監(jiān)督分類器。不同的分類器具有不同的原理和特點(diǎn)，因此也就有不同的適用條件。科研中經(jīng)常遇到的一個(gè)問題是在什么條件下為解決什么問題應(yīng)如何選擇合適的分類器。教師在講授該部分內(nèi)容時(shí)應(yīng)注意對(duì)不同分類器的原理和適用條件進(jìn)行對(duì)比，并結(jié)合一些案例說明分類器選擇的原則和思路。此外，近年來得到快速發(fā)展的深度學(xué)習(xí)等算法在科研中，受到越來越多多關(guān)注。這些新算法，通常從傳統(tǒng)的模式識(shí)別算法，演變發(fā)展而來，例如深度學(xué)習(xí)算法是從人工神經(jīng)網(wǎng)絡(luò)發(fā)展而來。因此，授課過程中可以對(duì)這些新算法進(jìn)行擴(kuò)展介紹，講述其特點(diǎn)以及在大數(shù)據(jù)處理和分析等方面的優(yōu)勢(shì)，使其更好地為科研所用。

2.3 掌握特征選擇和提取方法

特征是模式識(shí)別過程中聯(lián)系數(shù)據(jù)和模型的重要媒介，在科研問題的解決過程中具有重要意義。模式識(shí)別課程中給出了特征選擇與提取的方法，包括各種類別可分離性判據(jù)，模擬退火、遺傳算法、粒子群算法等特征組合優(yōu)化算法，以及主成分分析、獨(dú)立成分分析、偏最小二乘回歸等特征提取算法。這些方法能夠幫助研究者篩選出對(duì)問題敏感的特征，并將特征進(jìn)行有機(jī)組合以提高建模的效率。近年來的一個(gè)新趨勢(shì)是將特征選擇和提取方法與分類器耦合，形成一個(gè)從數(shù)據(jù)到模型的整體分析框架，也稱為Wrapper方法，在實(shí)際研究過程中相比于傳統(tǒng)的Filter方法往往能夠獲得更理想的效果。該部分內(nèi)容的講授應(yīng)注意結(jié)合研究生的專業(yè)背景，選擇適當(dāng)?shù)难芯堪咐?，以更好地啟發(fā)和引導(dǎo)學(xué)生靈活掌握和應(yīng)用這些方法。

3 結(jié)合科研的研究生“模式識(shí)別”課程改革探索

筆者所在的教研室對(duì)研究生“模式識(shí)別”課程的改革探索主要包括三個(gè)方面：（1）首先，是在講授過程中插入案例對(duì)方法進(jìn)行講授和解釋。（2）根據(jù)研究生的專業(yè)方向選擇了一個(gè)基于遙感光譜數(shù)據(jù)的植物分類和狀態(tài)監(jiān)測(cè)研究作為分析案例，介紹了ISODATA波段聚類和JM距離結(jié)合的特征敏感性分析方法，對(duì)比分析了K近鄰算法、遺傳算法-支持向量機(jī)耦合算法（GA-SVM），以及隨機(jī)森林（RF）算法在建模過程中的性能和特點(diǎn)，據(jù)此對(duì)模式識(shí)別的整個(gè)流程進(jìn)行演示和分析。（3）布置一項(xiàng)開放性作業(yè)，要求結(jié)合自己所從事的科研任務(wù)，采用相關(guān)模式識(shí)別方法進(jìn)行分析、展示和報(bào)告。經(jīng)多年教學(xué)改革實(shí)踐，課堂討論氣氛熱烈，學(xué)生普遍反映通過這種教學(xué)方式既掌握了模式識(shí)別相關(guān)方法并有更深入的理解，同時(shí)也有助于科研工作的開展。

4 問題與展望

“模式識(shí)別”作為眾多理工科專業(yè)研究生階段一門重要的工具課程，其教學(xué)效果深刻影響著研究生科研的質(zhì)量。雖然筆者所在教研室以及國內(nèi)外教師同行近年來在課程教學(xué)方面進(jìn)行了一系列的改革，但仍存在一些問題和挑戰(zhàn)，主要體現(xiàn)在（1）如何更有效地將課程內(nèi)容與相關(guān)基礎(chǔ)數(shù)理知識(shí)有機(jī)聯(lián)系;（2）如何把握具體算法原理和應(yīng)用兩方面的教授重點(diǎn);（3）如何更多地創(chuàng)新教學(xué)模式和方法，采用一些先進(jìn)的教學(xué)工具提升教學(xué)效果。相信未來通過不斷創(chuàng)新和努力能夠逐步提高“模式識(shí)別”研究生課程的教學(xué)質(zhì)量。

【參考文獻(xiàn)】

[1]戚玉濤，劉芳，焦李成. 模式識(shí)別教學(xué)實(shí)踐與課程改革[J].計(jì)算機(jī)教育. 2010（19）： 24-26.

[2]劉雨，孫即祥，余莉. “模式識(shí)別”課程開放式案例教學(xué)設(shè)計(jì)[J]. 電氣電子教學(xué)學(xué)報(bào). 2011， 33（3）： 103-105.

[3]張燦龍，唐艷平. 地方高校研究生模式識(shí)別課程教改實(shí)踐[J]. 計(jì)算機(jī)時(shí)代. 2014（9）： 60-62.

[4]馬麗，侯強(qiáng). 以培養(yǎng)學(xué)生科研能力為目標(biāo)的模式識(shí)別本科教學(xué)[J].中國電力教育. 2014（36）： 133-134.

[5]孫麗慧，宋蔚.結(jié)合科研的模式識(shí)別教學(xué)改革嘗試——以ECG信號(hào)分類為例[J].浙江科技學(xué)院學(xué)報(bào).2016，28（1）：78-80.

[6]陳錫愛，王凌，王斌銳，等.基于項(xiàng)目教學(xué)的圖像處理與模式識(shí)別課程教學(xué)改革研究[J].教育現(xiàn)代化.2017（02）：48-49.