SCI论文（www.lunwensci.com）:
摘要：结合自动化专业工程教育认证标准，本文对基于工程实例导入的模式识别课程教学改革进行了探索和实践，以具备模式识别系统的初步设计与开发能力为培养目标，采用理论与实践教学相结合的方式，在教学内容、教学方式、工程实践等方面进行了探索与实践，增强了学生学习兴趣、锻炼了学生的实践能力。
关键词：模式识别；工程实例教学；实践能力
本文引用格式：袁立，等.基于工程实例导入的模式识别课程教学改革探索与实践[J].教育现代化,2019,6(24):65-67,71.
一引言
作为人工智能的一个重要方向，模式识别的主要任务是模拟人的感知能力实现智能感知。近几年，深度学习和大数据的出现推动了模式识别的快速发展，应用在语言、文字、图像和视频、生物、医学等领域的识别问题中，如语音识别与理解、文字识别、生物特征识别、生物医学信号识别、图像检索、图像目标识别与跟踪、智能监控等。模式识别课程是模式识别与智能系统学科的基础课，是一门基础理论与工程实践相结合的课程。课程着重介绍模式识别的基本概念、常用分类器的设计方法、典型的特征提取与选择方法和非监督模式识别等，为设计模式识别系统、从事信息识别和数据分类相关的工作奠定基础。结合工程教育认证的要求，我们认为该课程的课程目标及能力要求具体如下。课程目标1：能够掌握特征选择、特征提取、线性及非线性分类器设计、模式识别系统构建等理论知识，具有对系统进行建模和表达的能力；课程目标2：能够运用所学知识，针对具体问题，选用适当的方法设计模式识别系统，具有对实际工程问题进行研究的能力；课程目标3：能够使用MATLAB、OpenCV等工具对模式识别系统进行开发，对系统性能进行分析与评价。本文以我专业的“模式识别基础”课程的教学为例，分析课程教学的现状和问题，探索基于工程实例导入的教学方式。
二现状调研与分析
针对上述课程目标，我们从定性和定量两个角度来考察课程目标的达成情况。首先，为了从定性角度考察课程目标的达成情况，我们设计了如下调查问卷，各测题如表1所述。学生通过扫描二维码，可利用手机等移动设备方便地进行答题。以我专业16级本科生为调研对象，收到有效问卷56份。各题目在各选项上的百分比统计如表1所示。在课程建议方面，学生建议可归纳为：部分学生感觉难度略大，希望有更多的学时来针对性讲解，适当增加实例讲解的比例，增加一些与时俱进的课程内容，增强师生互动，活跃课堂气氛等。
模式识别的课程内容涉及到概率论、矩阵论、最优化理论、数字图像处理、信号处理等相关课程的知识。学生认为难度较大的主要原因对于课程中涉及到的关于矩阵论和最优化方面的知识比较生疏，对各种目标函数在优化过程中的应用理解起来比较困难。对于实例讲解，授课过程中引入了人脸识别、车牌识别等常见的例子，案例的导入的确能够调动学生的兴趣[1]，但单纯靠教师讲解学生被动接收不足以让学生透彻理解模式识别系统的工作原理，所以还要提高教学方法的多样性和有效性。
从定量角度，我们通过试卷和实验报告统计得出16级学生选修本课程后的课程目标达成度。课程目标1反映学生对基础知识的掌握，达成度为0.764；课程目标2反映学生对模式识别系统的初步设计的能力，达成度为0.613。课程目标3反映学生利用编程语言实现模式识别系统开发与性能分析的能力，达成度为0.841。考试结果反映出学生对基础知识的掌握达到了预期目标，但对系统综合与设计的能力需要进一步加强。所以还应适当加强模式识别系统
面对工程教育认证对本课程提出的目标，可见现有的“模式识别基础”课程教学模式还存在一些问题，本文探讨以工程案例为导入的教学方法，对该课程的改革建设进行深入思考。
三 面向专业认证标准的模式识别课程教学改革探索
针对自动化工程教育专业认证标准，我们从教学内容、教学方式、实践环节等方面进行课程教学改革的探索，以适应专业认证标准下的培养目标。
（一)工程案例导入式教学方式
目前授课过程中使用的教材是清华大学张学工教授编著的《模式识别》第三版国家精品课程教材[2]，参考教材为南京大学周志华教授编著的《机器学习》[3]。我们从教学内容的安排上进行改革：精选教学内容，确保教学内容的相对稳定与先进性。与当前人工智能发展情况相结合，优化教学内容，强化了非参数判别方法的讲解，加入了神经网络与深度学习前沿学科知识的讲解。特征选择与提取、分类器设计中的重要知识点数学推导较多，所以紧密结合之前学生学习过的最优化方面的知识讲解推导过程，并结合例题和实际应用展示其核心思想。增加了实用内容的介绍，尤其是基于图像的模式识别部分，如生物识别技术、手写体数字识别、图像分割等内容，激发学生对模式识别的学习兴趣。我们设计了以实际工程案例为导入的教学方式。各重要知识点的导入工程实例举例如表2所示。学生通过实例能够理解并记住某一原理和方法的适用范围。
(二）项目研讨式互动教学方式
互动式教学方式形式多样，有利于师生之间互动、生生之间共同提高[4]。在课程内容学习结束后，学生以三人一组结成团队，完成某个感兴趣的实际工程问题的设计并在课堂上进行演讲，三人分工负责的内容分别是：信息获取与预处理、特征选择或特征提取、分类器设计与分类决策。学生们就自己感兴趣的实际问题，如车牌识别、语音识别、步态识别、人脸识别、指纹识别、字符识别、图像分割等工程案例，进行了深入调研并进行了小组演讲。在演讲过程中能够发表自己的看法，并与其他学生和教师进行研讨，探讨各种技术的优势和劣势。通过这种方式可以帮助学生回顾所学知识，丰富了学生对模式识别实际应用的了解，能够提高其分析和解决实际问题的能力、团队协作能力、技术交流能力。
（三)自主学习实验平台设计
在实验环节上，我们旨在改变过去以对基本原理得验证性为主的实验内容，培养学生解决实际问题的能力[5]。同时考虑到实验学时和学生编程能力的限制，给学生设置一个Starter Kit是比较折中的一种做法。因此，我们设计了模式识别自主学习实验平台，设计了线性分类器、非线性分类器的典型方法的演示，还设置了典型模式识别系统仿真演示模块（如图1所示），包括手写数字识别和人脸识别两种典型模式分类问题。此外，学生可以在数字识别和人脸识别仿真演示的基础上自行设计实验，添加更多的功能。通过实验平台选择训练图像构造训练集，然后对训练集利用不同特征提取算法（如K-L变换、Fisher线性鉴别法）进行训练，再设计不同的分类器（如最近邻分类器、神经网络分类器、支持向量机分类器等）对测试图像进行识别，从而完成整个模式识别过程的完整仿真。
除此以外，我们在实践教学过程中积极引导学有余力的学生动手搭建嵌入式的模式识别系统，如利用树莓派单片机和USB摄像头来设计嵌入式人脸检测、人脸识别、图像处理与识别等小设计。对学生来说，树莓派单片机比较容易上手，Python编程也可通过相关选修课程习得，OpenCV库已经有一些封装好的功能可以调用，所以比较容易实现。在实施过程中，学生可以学到如何进行系统可行性论证、设备选型、成本分析等，从而在这些体现非技术因素的毕业要求方面的能力得到培养[6]。
（四）改进考核方式
在教学过程中，不断思考对课程考核方式进行改进和完善。过去从出勤情况、实验报告、试卷成绩进行评定，新的考核方式要从出勤率、项目研讨交流、团队配合、实验技能、实验报告等多方面综合评价学生的学习主动性、积极性和创造性，从而提高学生的学习积极性、激发学生的创新思维和创新意识。
四结语
本文在工程教育自动化专业认证标准下，探讨了对模式识别课程在教学内容、教学方式、工程实践等方面的改革和实践。我们旨在突出以学生为本的出发点，首先通过工程实例的导入激发学生的学习兴趣，然后通过实践教学让学生进行调研和交流，最后通过编程来让学生体会模式识别系统的设计和开发过程。同时，通过我们的跟踪反馈，发现学生在与本课程相关的SRTP创新创业项目的执行过程中对系统整体方案设计、设备选型、软件设计、系统性能分析等方面均有更好的掌握。所以在今后的教学过程中，不断改进提高这种以工程案例为导入的教学模式，为学生实践能力的提高和创新意识的培养打下坚实的基础。
参考文献
[1]张立国,等.基于案例式的“现代模式识别”课程教学改革研究[J].教育现代化,2018,5(03):62-64.
[2]张学工.模式识别[M].第三版.北京：清华大学出版社，2010.周志华.机器学习[M].北京：清华大学出版社，2015.
[3]刘得军,艾清慧,钱步仁,等.“模式识别导论”课程教学方法改革与探索[J].电气电子教学学报,2017,39(6):80-83.
[4]侯志强,等.模式识别课程教学改革实践[J].计算机教育,2017,16(5):45-47.
[5]林健.工程教育认证与工程教育改革和发展[J].高等工程教育研究,2015,2:10-19
关注SCI论文创作发表，寻求SCI论文修改润色、SCI论文代发表等服务支撑，请锁定SCI论文网！ 文章出自SCI论文网转载请注明出处：https://www.lunwensci.com/jiaoyulunwen/8931.html
