李兆飛 熊興中 王小剛

摘? 要： 目前模式識別課程存在教學內(nèi)容不完善、教學模式局限和考評機制單一等問題，無法支撐研究生培養(yǎng)質量的需求。為此，對該課程進行了課內(nèi)、課外立體化的改革和實踐，從教學內(nèi)容、教學模式和教學考核機制等方面著手，構建了開放式案例結合課堂學術報告以及案例復現(xiàn)的研究生模式識別課程。實踐證明，該教學模式能有效地提高研究生的學習興趣和學習效果。

關鍵詞： 研究生; 模式識別; 案例教學; 教學改革; 課程建設

中圖分類號：TP399? ? ? ? ? 文獻標識碼：A? ? ?文章編號：1006-8228（2021）12-109-04

Abstract： At present， there are some problems in the pattern recognition course， such as imperfect teaching content， limited teaching mode and single evaluation mechanism， which cannot meet the needs of postgraduate training quality. Therefore， the three-dimensional reform and practice of the course in and out of class are carried out. Starting from the aspects of teaching content， teaching mode and teaching assessment mechanism， a postgraduate pattern recognition course with open cases， classroom academic reporting and case recurrence is constructed. Practice proves that the teaching mode can effectively improve post graduate students' learning interest and learning effect.

Key words： postgraduate student; pattern recognition; case teaching; teaching reform; course construction

0 引言

人工智能技術的迅速發(fā)展將深刻改變?nèi)祟惿鐣睢Ｎ覈殉蔀槿蛉斯ぶ悄艿陌l(fā)展中心之一。模式識別作為人工智能的重要組成部分，是一門前沿的信息處理科學且引領著學科方向。模式識別，是在給定的任務下，讓機器對事物的信息進行自動分析和處理，在錯誤概率最小的條件下，由機器使識別的結果與客觀事實相符合，討論機器認識事物的基本屬性、基本方法及其實現(xiàn)情況。目前大熱的DL（Deep Learning，深度學習）神經(jīng)網(wǎng)絡儼然成為了人工智能的代名詞。

近十幾年來，模式識別一直是信息處理領域的研究熱點，無論是理論研究還是應用實踐，都有很多進展。目前，模式識別理論和方法已經(jīng)應用到各個領域，并在智能控制、計算機視覺、自適應濾波和信號處理、非線性優(yōu)化、自動目標識別、連續(xù)語音識別、聲納信號的處理、知識處理、傳感技術與機器人、生物醫(yī)學工程、土木、交通、測繪工程等方面取得了很大的進展。因此，模式識別技術的發(fā)展和應用水平在一定意義上是一個國家和社會現(xiàn)代化程度的重要標志之一，也是人工智能相關學科的必修學位課程。

1 模式識別課程建設現(xiàn)狀

1929年，Tauschek發(fā)明了能閱讀0～9數(shù)字的閱讀機開始，標志著模式識別學科的誕生，該領域的研究逐漸吸引了國內(nèi)外高校和研究機構的關注。此后，國內(nèi)外絕大多數(shù)高校中信息類學科的碩士和博士研究生階段都開設了該課程，其中，斯坦福大學和麻省理工學院在上世紀四十年代最早開設相關課程。教材建設方面，西奧多里迪斯（希臘）所著的《Pattern Recognition》，現(xiàn)已是第四版;Richard O.Duda所著的教材《Pattern Classification》;C.M.Bishop所著的教材《Pattern Recognition and Machine Learning》都是國外經(jīng)典的模式識別課程教材，也有相應的中譯本[1]。當前，斯坦福大學模式識別課程名稱為“機器學習”，課程代碼CS229，由國際知名的機器學習科學家Andrew Ng主講，并發(fā)布于著名的Coursera平臺供全球學習者學習及下載。

國內(nèi)的清華大學從1981年獲得“模式識別與智能系統(tǒng)”碩、博士點開始，就為研究生開設了模式識別課程，隨后1988年編寫了模式識別教材（國家精品課程教材），到目前為止已經(jīng)是第三版。國內(nèi)清華大學、中科院的模式識別研究處于國際國內(nèi)領先行列。目前，很多學校甚至還資助經(jīng)費將模式識別課程建設成了精品課程及雙語課程，清華大學的“模式識別基礎”課程在2007年被評為國家級精品課程[2]。此外，國防科技大學的蔡宣平團隊采用孫即祥所著教材《現(xiàn)代模式識別》（國內(nèi)經(jīng)典教材之一）已建成模式識別國家級精品課程，這些都為該課程的教學和應用研究做出了顯著貢獻。雖然有很多的教材、精品課程和網(wǎng)絡慕課資源可以借鑒學習，但是模式識別課程所涉及的理論及算法太多，對學生來說難于掌握理解;不同的高校有不同的研究方向和應用領域;目前最新的教材也滯后于模式識別研究的新成果和領域的新發(fā)展。

我校從2004年開始為模式識別與智能系統(tǒng)、控制科學與工程學科的研究生開設了與模式識別相關的智能計算課程，并且作為專業(yè)的必修課程。2008年開始，開設了模式識別課程，并且作為研究生的學位課程。

2 模式識別課程建設存在主要問題

由于模式識別課程涉及到的數(shù)學理論（主要涉及概率論及線性代數(shù)等）及模型結構復雜、繁多，對很多研究生來說都感覺非?？菰?，難以理解，呈現(xiàn)出“老師難教，學生難學”的課程特點，嚴重影響相關學科研究生培養(yǎng)目標的實現(xiàn)，也成為各高校研究生培養(yǎng)所面臨的共同問題，歸納起來，主要有以下幾點[3-6]。

⑴ 模式識別課程教學內(nèi)容及實踐教學案例簡單、有助于單個知識點的理解，缺乏對整體模式識別體系方法相關性的把握;也缺少前沿最新算法的案例及典型應用。

⑵ 課堂教學與課外項目研究實踐缺少銜接。課程進行了課堂理論及簡單案例教學，但是課后一般是布置一些簡單的計算題目，沒有和研究生有關課題研究進行對接，呈現(xiàn)出課程學習和項目研究脫節(jié)現(xiàn)象。

⑶ 模式識別課程測評手段單一。該課程目前仍然以期末閉卷考試或者寫課程報告等傳統(tǒng)形式為主，缺乏多樣化、個性化的綜合課程學習考評機制。

3 模式識別課程改革及實踐

綜上，為提高研究生的學科視野、軟件開發(fā)能力，核心算法的實驗仿真能力，與研究生客體研究做到無縫對接。在團隊多年研究及教學的基礎上，構建了開放式案例教學演示及課后案例復現(xiàn)擴展的課堂研討式課程課內(nèi)、外立體式教學改革方案及具體實施方式。

3.1 教學內(nèi)容的專題模塊化構建及實踐

通過團隊成員對該課程多年的教學及相關學術研究的基礎上，團隊構建并實踐了該課程內(nèi)容的專題模塊[6-7]，所構建的專題模塊如圖1所示。在圖1中，課程對控制科學與工程及電子信息專業(yè)學位研究生基于統(tǒng)計決策方法作為理論基礎，共分為監(jiān)督學習、非監(jiān)督學習、特征提取與特征選擇、模式識別系統(tǒng)的評價共四個大的專題模塊組，各專題模塊以統(tǒng)計決策方法作為前后銜接。每一專題模塊組又分為多個單元模塊，單元模塊又包含相應單元的具體模式識別算法。通過這樣一個專題模塊，單元模塊，到具體算法的內(nèi)容構建使學生掌握模式識別課程的基本內(nèi)容及脈絡，講授課件也從表格、模式識別算法模型、插圖等多方面著手，突出重點，將抽象難懂的內(nèi)容圖示化、形象化，強化教學效果。

3.2 案例內(nèi)容的單元模塊化構建及實踐

通過對課程內(nèi)容專題模塊化建設，每一專題模塊又包含多個單元模塊組，每一單元模塊組又包含多個具體的算法模型。在課程內(nèi)容構建的基礎上，課程構建相應的開放式案例庫，案例庫中的案例由教師科研項目成果分解出的和由往屆學生參與設計的可完成某特定任務的模塊化程序。案例分為若干單元模塊組，分別與課程講授內(nèi)容專題模塊相對應。案例是開放式的基本模塊，可由學生進一步擴展優(yōu)化，便于培養(yǎng)學生的學術創(chuàng)新能力及與科研項目的無縫對接。比如用深度神經(jīng)網(wǎng)絡進行人臉識別，其程序包括人臉特征信號的提取、預處理、深度網(wǎng)絡結構的設計、在Matlab環(huán)境下的仿真實驗以及實驗結果分析幾個功能模塊。課程案例單元模塊化架構如圖2所示。

案例模塊的建設中，目標描述是完整描述案例的處理對象，輸入數(shù)據(jù)結構，處理流程，處理方法和要達到的目標;方法對比分析是課程中相關方法的對比分析，這是案例的重要功能，通過對比分析，使學生了解各種模式識別模型的思想脈絡及學習過程和應用特點;問題歸納由師生共同完成對實驗和研討的歸納總結，結論以實驗數(shù)據(jù)為依據(jù)，介紹最新研究成果。所有案例都采用Matlab（課堂）進行圖形化結果仿真演示、評講及課堂研討，主要采用鳶尾花數(shù)據(jù)集和人臉數(shù)據(jù)集進行分類識別，所建設的案列均以直觀的方式嵌入到各專題配套課件理論介紹之后，從而升華學生對模式識別課程相關內(nèi)容的理。

3.3 案例課后擴展復現(xiàn)及翻轉課堂研討的教學模式建設及實踐

⑴ 案例課后擴展復現(xiàn)

課程改革及實踐中，除了啟發(fā)式講解專題模塊化內(nèi)容并采用Matlab對相關專題算法通過案例編程實現(xiàn)及教學研討，加深學生對相關專題知識的理解和掌握外，課程的另一個建設內(nèi)容是對相關案例以研討小組為單位通過Python（要求學生通過Google公司的基于Python語言的開源平臺Tensorflow實現(xiàn)深度學習案例，簡單案例通過Python語言的集成平臺Anocoda編寫代碼）在課后進行復現(xiàn)作為作業(yè)并進一步擴展，加深對相關專題案例的理解和應用。因Python大多通過調(diào)用不同的包就能實現(xiàn)相關程序，有助于引導學生對案列進一步的應用，理解模式識別基本算法，并能夯實Python編程知識。

⑵ 翻轉課堂研討

此外，課程改革的另一部分建設內(nèi)容是采用翻轉課堂的研討式教學，課程設計在第一次開課時將班級同學分成多個學習研討小組，每個小組6～8人左右，開課之初就會布置給學生相應的自學內(nèi)容（與模式識別相關專題或前沿進展），要求學生按小組進行分組討論學習，并在第四次課程開始按小組順序結合PPT在課堂進行學術小報告，并要求全體學生進行討論。項目已設計學生自學研討的內(nèi)容主要有：距離及其表示;統(tǒng)計模式識別中非參數(shù)估計的案例設計及實現(xiàn);深度學習的最新發(fā)展綜述;強化學習、遷移學習、聯(lián)邦學習的概念及實現(xiàn)案例;模糊C均值算法原理及Matlab案列等，自學研討的內(nèi)容也可以是學生自由選題與課程內(nèi)容相關的知識。這樣翻轉課堂式的課堂學術小報告不僅能培養(yǎng)學生的團隊合作精神，也能培養(yǎng)學生的自學、演講及掌握相關知識的能力，加大了同學們學習課程相關知識理解的深度，營造了很好的課程學習氛圍。實踐結果是學生有很大的參與熱情，營造了濃郁的課題學習及學術研究熱情。

3.4 模式識別系統(tǒng)的綜合設計報告建設及實踐

課程結束時，要求學生以研討小組為單位提交一份與模式識別課程相關的課程綜合設計報告，報告內(nèi)容可以是課程相關案例及知識的擴展，也可以是參與實施的導師科研項目。報告中必須包含設計目的，數(shù)據(jù)來源及形式，模型原理，算法編程實現(xiàn)，算法結果可視化展示及效果評價等方面[8]。該綜合設計報告可以強化學生對模式識別算法相關知識理解及實際掌握，實現(xiàn)從理論到實踐的知識轉化，加強對學生自主及個性學習、實踐創(chuàng)新以及創(chuàng)業(yè)探索能力的培養(yǎng)，最終培養(yǎng)學生對實際工程項目的協(xié)作及學術論文的寫作能力。

3.5 課程學習成果的合理教學質量考評機制建設及實踐

由于模式識別在控制科學、電子信息類專業(yè)學位研究生培養(yǎng)的特殊地位，也是當前人工智能的研究前沿和熱點。因此，對課程學習成果的考核及評價不能簡單的采用傳統(tǒng)考試給分的方式進行。經(jīng)過多年的實踐，采用了多樣化的課程成績評定與研究生導師反饋評價相結合的考評機制。

⑴ 課程成績評定 該課程在研究生培養(yǎng)體系中屬于考試必修課，因此，課程成績的評定我們采用出勤占5%、課堂學術報告占15%、課后案例復現(xiàn)占15%、綜合設計報告占15%、期末半開卷考試占50%的綜合、多樣化的課程成績評定方式，最終課程成績評定=出勤×5%+課堂學術報告×15%+課后案例復現(xiàn)×15%+綜合設計報告×15%+期末半開卷考核成績×50%。其中課堂學術報告根據(jù)研討小組成員貢獻大小及講解內(nèi)容和效果依次給分，最高分15分;課后案列復現(xiàn)及綜合設計報告根據(jù)研討小組團隊成員自己給出的貢獻率并結合完成效果及完成情況依次給分，最高分15分;期末半開卷考試：期末考試一般基礎題（選擇、填空及判斷）30分，簡答題30分，計算及編程改錯題40分。考試只允許學生攜帶一張自己總結了相關課程內(nèi)容知識的A4紙，我們稱這種形式為“半開卷”考試。

⑵ 課程教學質量評價 課程以掌握基本內(nèi)容、培養(yǎng)研究思維及提高研究能力為目標，通過“學生自評和導師反饋評價”相結合的課程質量評價方式。把教學內(nèi)容和所支撐的課程分目標對應，把課程分目標與相應的評分標準相對應。通過問卷調(diào)查的方式評價課程學習后各個目標的“達成度”作為學生學習課程的“獲得感”或成功與否的標準。后續(xù)我們將考慮通過更合理有效的方式評估學生的知識建構與能力。

4 結束語

為提高教學質量并持續(xù)推進課程教學改革，形成以學生為中心的教學內(nèi)容和教學實踐改革模式，加強學生綜合創(chuàng)新及研究能力的培養(yǎng)。對模式識別課程的教學我們進行了課內(nèi)、課外立體化的改革及實踐，并以“算法模型理論講授+Matlab案例演示+課堂研討+相應的Python案例編程課后復現(xiàn)擴展+綜合設計報告”綜合考評的方式，結合我校及我學科的特點，呈現(xiàn)模式識別的原理和新發(fā)展，通過實踐，該教學模式能有效提高研究生的學習興趣和課程學習效果，能與今后的項目研究有很好的銜接。

參考文獻（References）：

[1] 付榮榮，時培明，潘釗等.工程教育背景下“模式識別”課程教學研究[J].電氣電子教學學報，2018，40（4）：46-48，53

[2] 劉恒，侯書東.研究生模式識別課程雙語教學研究與實踐[J].安徽工業(yè)大學學報（社會科學版），2019.36（1）：67-68

[3] 陳磊，鄧杏葉，劉朝華等.新工科背景下的模式識別課程教學改革探索[J].教育教學論壇，2020.36：177-178

[4] 凡時財，唐健雄，周雪.人工智能普及下的“模式識別”課程教學研究與實踐[J].工業(yè)和信息化教育，2020.8：8-10

[5] 張艷珠，野瑩瑩，劉義杰.基于雨課堂的研究生課程混合式教學[J].科教導刊，2020.3：18-19

[6] 王科平，楊藝，李玉東.新工科背景下“模式識別”課程改革與探索[J].電氣電子教學學報，2020.42（3）：52-56

[7] 袁立，閻群.基于工程實例導入的模式識別課程教學改革探索與實踐[J].教育現(xiàn)代化，2019.6（24）：65-67，71

[8] 郭海，趙晶瑩，劉向東等.基于Python的模式識別綜合設計性實驗[J].實驗技術與管理，2019.36（8）：178-181