地方高校研究生模式识别课程教改实践
摘 要： 采用实证研究分析广西某高校模式识别课程的教学现状发现，存在诸如学生学习兴趣不浓、教学方法落后、学习效果较差等问题，究其原因，有课程难度较高、教学方法单一、学生数学基础较差等因素。为此，提出了监督式任务驱动、开放式案例设计、虚拟教学平台建设等改革方案。实践表明，这些举措有效地提高了学生的学习兴趣和学习效果。
关键词： 模式识别； 教学改革； 地方高校； 研究生教育
中图分类号：G642 文献标志码：A 文章编号：1006-8228（2014）09-60-03
Teaching reform of graduate pattern recognition course in local university
Zhang Canlong1，2， Tang Yanping2
（1. College of Computer Science and Information Engineering， Guangxi Normal University， Guilin， Guangxi 541004， China；
2. Guilin University of Electronic Technology）
Abstract： An investigation on the teaching of pattern recognition course in a university of Guangxi province is made by using empirical research method. The result shows that there exist some problems， such as poor interest in learning， boring teaching method， poor learning effect. The reasons include high complexity of the course， outmoded teaching method and the lack of mathematics knowledge of students. In order to address these problems， some novel teaching methods are proposed， including task-driven-based learning under the teacher"s supervision， open-instance-designing and construction of virtual teaching platform. Teaching practices indicate that above methods can improve learning interest and effect of students.
Key words： pattern recognition； teaching reform； local university； graduate education
0 引言
模式识别是指通过计算机用数学技术方法来研究模式的自动处理和判读，是信息科学和人工智能的重要组成部分。研究模式识别对于机器人、机器视觉、信息获取、语音识别等研究有重要意义，模式识别技术已经在军事、医学、公安、交通管理、天气预报等领域得到了广泛应用。
许多高等院校都将模式识别作为自动化、计算机科学与技术、控制理论与工程等相关专业研究生的主修课程。该课程理论性强，实践性突出，与学科内的多层面内容相融合，其前沿技术发展日新月异，是集理论性、实用性、创新性于一体的综合性课程。但由于模式识别理论体系中涉及大量的数学知识[1，2]，使得课程教学容易陷入繁杂冗长的数学推导，而无法让学生深入理解模式识别理论的思想内涵。为此，本文以广西某高校研究生模式识别课程教学现状为研究个案，采用实证研究的方法，分析地方高校模式识别课程教学所存在的问题，探讨改进教学效果的路径与策略，以期使学生能透过繁杂的数学推导看到模式识别核心思想所闪耀的熠熠光辉，并具备较强的实践应用能力。
1 教学现状调查与分析
本次调查采取集体问卷和个别访谈相结合的方法，以广西某高校2011年至2013年讲授和主修过模式识别课程的教师和研究生为调研对象。我们共发放问卷150份，其中教师问卷6份，研究生问卷144份，包括计算机科学与信息工程、电子工程两个学院2011级至2013级五个硕士专业的研究生。本次调查共回收问卷142份，回收率94.7%。剔除填答没有区别性或信息缺失较多的问卷后，有效问卷130份，有效回收率为86.7%。为了客观地反映教学中存在的问题，对于学生调查问卷，我们主要设计了四个调查题项，包括课程重要性、课程难度、课程设计的合理性以及对教师授课的满意度，并采用李克特五级量表对每个调查题项进行量化。例如，将课程难度分为非常难、比较难、一般难、不太难和非常不难五个等级。在每一个题项后面还要求被调查者陈述存在的问题并给出相应的建议。例如，在授课满意度题项后面还要求被调查者回答两个问题：你认为目前教师授课的不足之处有哪些？你对该课程教学的建议有哪些？调查结果如表1所示。对于教师调查问卷，我们设计的主要题项有：授课的难度、学生的学习信心、数学知识水平、学习风气以及学习效果等，并以“改进模式识别课程教学讨论会”的形式，组织任课老师对以上问题进行了探讨和交流。图1给出了教师认为影响学生学习效果的主要因素比重图。
从表1中不难看出，70%以上的学生认为模式识别课程重要，80%以上的学生认为课程难度高，一半以上的学生对教师授课不太满意。从图1可以看出，教师普遍认为导致学生学习效果不好的主要原因有学生的学习信心不足，数学基础薄弱、学习主动性不强、课程本身较难以及教师自身的教学方法不科学，其中数学基础和课程难度所占比重较大。下面我们分别从课程、教师、学生三个方面来分析导致以上现象的原因。
1.1 课程因素
模式识别课程理论性较强，涉及的数学知识包括：高等数学、线性代数、数理统计、矩阵论、随机过程、工程优化方法、小样本统计学习理论、模糊数学等。由于后面五门数学基础课的教学往往滞后于模式识别课程，这使得该课程的教学面临着尴尬局面：既不能花过多的时间讲数学基础知识，又要把以这些数学知识为基础的内容讲清楚，这是其一。其二，模式识别课程系统性较弱，各章节之间没有一个前后继承的必然关系，甚至在同一章中所用到的数学知识也不尽相同，这使学生感觉课程内容跳跃性太强，很难适应。最后，模式识别还是一门实践性要求较高的课程，要求学生能运用模式识别相关理论对实际问题进行分析和抽象建模，并编程实现问题的自动化求解，因此需要学生具有较强的知识储备、自学能力和动手能力。
1.2 教师因素
首先，受长期给本科生授课方式的影响，大部分导师对研究生上课仍然采取“满堂灌”的形式。他们往往会根据自己对课程的理解来上课，缺少与学生的交流，无法站在学生现有知识水平的基础上去体会课程的难度。其次，有些导师由于缺乏与模式识别相关的课题研究经验，因此无法结合自身体会将有些深奥的模式识别公式或理论形象化和实例化，而这往往是学生喜闻乐见的教学方式。最后，教学未能与时俱进，重点内容仍集中在一些陈旧的、基础的理论教学上，比如贝叶斯理论、Fisher线性判别上，而对当前广泛应用于模式识别领域中的一些新颖实用的识别技术不够重视，如核方法、深度学习和支持向量机等。
1.3 研究生因素
首先，受扩招和重点大学竞争的影响，地方高校生源质量整体呈下滑趋势，大部分研究生是通过调剂录取的，其中还包括相当数量的跨专业的学生，因此这些学生的专业素养，特别是数学基础普遍较差，这给模式识别课程的教学带来了很大困难。其次，由于受外界浮躁、功利等各种因素的影响，许多研究生的读研动机仅是为了获得一张硕士文凭，部分研究生把读研作为逃避就业压力的途径，因此在学习和科研上缺乏积极性、主动性和刻苦专研的动力。最后，由于自身基础较差，研究生对学好模式识别课程缺乏足够的信心，看到该课程的理论公式和推导太多，就产生畏难情绪，很容易在学习过程中得过且过，甚至抱着60分万岁的心态来学习这门课程。
2 教学改革方案设计
通过第一节的分析不难看出，要改变模式识别课程教学的现状，就必须从课程设计、教学方法和学生管理三个方面下功夫。因此，我们提出了以下三条教改措施。
2.1 监督式任务驱动
监督式任务驱动教学是指学习者在教学者的督促和指导下完成给定学习任务，它强调学习过程必须与学习任务相结合，通过完成任务来激发和维持学习者学习的兴趣和动机。“监督”有两层含义：第一是教师对学生执行任务的情况进行检查和督促；第二是学生在教师的指导下完成学习任务。
在监督式任务驱动教学模式中“任务”是实现教者与学者交流互动的主线，因此设计切实可行的“任务”对激发和维持学习者学习兴趣十分关键。在实践中，我们根据模式识别课程的内容，结合生活实例，设计了诸如手写数字识别、人脸识别、指纹识别、虹膜识别、车牌识别等项目任务，这些任务具有共性，也存在个性。通过这些任务将模式识别中的数据预处理、特征产生、特征选择、分类器设计，以及样本识别等相关知识和方法融入进来。我们把学生划分为若干个研究小组，并赋予各个小组不同的项目任务，要求学生用相同方法实现；或赋予相同的任务，要求用不同的方法实现。学生也可根据自己导师的课题需要制定项目任务，但需任课老师同意。项目的执行贯穿于整个教学过程，在此期间教师会根据教学进度检测学生任务执行情况，并及时指导和督促。
通过监督式任务驱动教学，既可以使学生感到模式识别的实用性，激发学习的兴趣，也可以在实际项目制作中提高学生综合解决问题的能力。同时，采取研究小组的方式，还可以培养学生的团队协作精神。
2.2 开放式案例设计
为达到因材施教，充分调动学生学习主动性的目的。我们提出了开放式案例教学的构想，其基本思路是：从实际科研项目中分解提炼出与课程教学内容相关的子课题，并以此为案例，设计分层次、纵横连贯的课堂研讨教学，使课程讲授的理论、方法的应用有更直接明了的呈现方式。
所谓开放式案例指从一个或多个案例中分解提炼出的可独立运行的子系统，该子系统中的部分模块或方法可以被模式识别课程实验内容所替代，并能被学生拼装和使用[3]。我们采用过的案例包括：尿沉渣识别、印刷体数学公式识别以及地震波识别等，也采用过教材书中比较成熟的人脸识别、指纹识别等案例。以印刷体数学公式识别为例，该案例可分解为公式定位、公式符号分割、公式符号特征计算、公式符号识别以及公式符号的空间结构分析五个子系统。表2展示了该案例的设计内容。
公式定位的目的是将印刷体文档中的数学公式和普通文本区分开来，这是一个典型的二分类问题，处理这类问题的经典方法有Bayes决策、K-近邻等，拓展方法有支持向量机、Bagging算法等，这些方法涉及到的数学知识有概率论、最小二乘法等。从表2中不难发现，通过这种开放式案例设计可将模式识别课程中的相关知识、经典方法、最新方法以及数学理论知识串成一个有机的整体，从而克服了模式识别内容跳跃性太强的问题。这些开放式案例既可用于课堂教学，也可用作学生实验。
2.3 虚拟教学平台建设
受学时数的限制，模式识别中许多内容无法在课堂上全面讲授，而互联网的出现使现实课堂的无限地虚拟延伸成为可能。作为传统教育教学的有益补充，基于互联网的开放式虚拟教学平台为教师和学生提供了一个具有交互性、共享性、实时性和综合性的学习环境[4]，因此我们研究和构建了“模式识别”虚拟教学平台。依据开放式教学理念，我们将课程内容、学习资料、项目任务以及课程测试等内容挂靠到虚拟教学平台上，学生可以通过该平台实现课程在线学习和交流、项目在线开发以及课程在线测试等工作。图2展示了“模式识别”虚拟教学平台的系统架构，下面简单介绍其核心模块的功能。
成员管理模块主要展示教学团队成员的基本信息和教学科研情况，同时也介绍了每个学生的基本信息以及所承担的项目任务。在线学习模块提供了与“模式识别”课程相关的教学资料的共享，如电子教案、多媒体课件、教学视频及教学参考资料等。项目开发模块由项目任务管理和在线项目开发两部分组成。其中第一部分主要负责项目任务的编制、介绍、分配，以及测试数据的上传和维护，教师用户可以通过该模块及时掌握学生执行项目任务的情况；第二部分提供一个基于Matlab语言的“模式识别”课程项目开发系统，学生可通过该系统实现项目任务的在线开发和测试。最后，师生之间可通过学习交流模块将教与学中遇到的问题和产生的心得及时反馈和共享。
该平台整合了课程的教育教学资源，强化了教学过程中“教为主导，学为主体”的教学理念，有利于激发学生的学习兴趣，帮助学生更好地理解和掌握教学内容，培养学生的创新能力，提高教学质量。
2.4 其他教学手段
除了以上三项教改措施之外，我们还采用了启发式学生互教和弱化数学推导等教学手段[5]。所谓启发式学生互教是指教师先对某一个专题中的基本理论和方法进行讲解，然后安排学生在课堂上讲解该专题中的其他类似方法，例如在讲解聚类分析专题时，教师可先以Parzen窗方法为例将聚类的目的和基本思想阐述清楚，然后安排学生在下一次课中讲解K-均值聚类和层次聚类。这既激励了学生去自学相关知识，又使学生的授课能力得到了锻炼和提高。针对数学推导较多的问题，我们采取弱化公式推导强调物理含义的教学方法，例如，对贝叶斯决策这种基础型内容，可采取理论推导和实际例子相结合的讲授方式，尤其要强调公式的物理含义，而对支持向量机等前沿型内容，可以忽略公式推导过程，直接讲授推导的结论以及结论的物理含义，同样结合实际例子加深学生的理解。
3 结束语
模式识别是一门理论与实践紧密结合的课程，其教学方法需不断地改进和完善。本文从地方高校研究生模式识别课程教学所存在的问题入手，分析了问题产生的原因，提出了相应的教改措施。实践表明，监督式任务驱动、开放式案例设计和虚拟教学平台建设等教学改革措施有助于充分调动学生学习的积极性，培养他们的科研创新能力，进而从整体提高模式识别课程的教学质量和教学效果。本教学团队将会根据教学效果反馈信息和学生整体情况的变化，对所提出的教学方法进行改进和完善。
参考文献：
[1] 边肇祺，张学工.模式识别（第二版）[M].清华大学出版社，2002.
[2] Sergios Theodoridis. Pattern Recognition[M].San Diego： Academic
Press，2006.
[3] 刘雨，孙即祥，余莉.“模式识别”课程开放式案例教学设计[J].电气电
子教学学报，2011，33（3）： 103-105.
[4] 吴璟莉.数据库虚拟教学平台的构建与研究[J].无线互联网科技，
2012：203-205
[5] 戚玉涛，刘芳，焦李成.模式识别教学实践与课程改革[J].计算机教育，
2010.19：24-26