电子信息专业模式识别教学改革浅谈

马勇

摘 要：模式识别是智能信息处理的重要组成。针对目前模式识别教学中的偏重理论讲解，缺少实例分析，动手能力培养不够，和考核机制单一等问题，结合电子信息专业特点，利用互联网的丰富资源，对模式识别教学和教法提出了一些改革的意见，让学生在模式识别课程的学习过程中，能够增强数学建模能力，开拓思维分析方法和提升就业核心竞争力。

关键词：模式识别 电子信息专业 教学改革

中图分类号：G642 文献标识码：A 文章编号：1674-098X（2014）09（c）-0112-02

模式识别诞生于20世纪的二三十年代，它是通过分析数据对事物或现象进行辨认、分类和解释的过程，是智能信息处理研究的重要内容[1]。到了20世纪50年代，随着计算机硬件的发展和人工智能热潮的出现，模式识别进入发展阶段，国外一些著名大学陆续开设了模式识别课程。国内以清华大学等为代表的高校和研究单位从20世纪80年代末开始在研究生中进行模式识别教学。进入21世纪，随着信息时代对海量数据自动处理的迫切需求，国内外市场对复合型模式识别人才的需求逐渐增多。在这种背景下，模式识别课程的学习从研究生阶段下移到本科生阶段，开设的专业也从计算机、自动化控制和人工智能等，向电子信息、生物医学工程和经济管理等拓展。与此同时，国内模式识别教育工作者也开始对模式识别的教材和教法改革进行一系列探讨[2-3]。

该文根据多年的教学经验和体会，结合电子信息专业学科特点，分析模式识别教学和教法中存在的一些问题，并提出一些改革的建议。通过新的理念打造模式识别的教学过程，激发学生学习兴趣的同时锻炼学生思考问题和动手实践的能力，最终培养出符合时代需求的复合型电子专业人才。

1 重新定位模式识别的教学

模式识别是一门融合多学科知识的综合性课程，它不仅需要高等数学、线性代数、概率论和优化理论等数学基础[4]，还需要数据结构、算法设计和程序语言等计算机知识。对于电子信息专业的本科生来说，传统的模式识别教学侧重算法介绍和公式推导，学习起来有一定难度且枯燥乏味，而且对以后的就业意义不大，所以学生学习的积极性不高。为此我们对电子专业的模式识别教学教法进行一系列的改革，让学生明确模式识别学习目的意义，重视培养学生的分析问题和数学建模的能力，弱化纯理论的推导，突出公式的物理意义，把模式识别和其他电子专业课程融合在一起进行教学。

1.1 基于事例导入课程学习

兴趣是最好的老师，通过身边事例的介绍，引起学生对模式识别的好奇心，从而产生探究事物真相的动力。模式识别课程开始之前，我经常会以提问方式导入课程，如苹果手机的SIRI系统如何识别人类的语音，指纹考勤机怎样识别人的身份，钢铁侠通过意念控制盔甲的技术真的可以实现吗等等，然后介绍以上实例都要用到共同的技术——模式识别，模式识别的主要任务是把某一样本归属于某一类型的判决过程。在讲解贝叶斯信息判决时，我通常以SARS病毒传播为例，为了避免病毒的扩散，医生要及时对疑似病人进行判别治疗，如果把SARS病毒携带者漏判了，那么其危害性要远大于把正常人错判为病人的情况，所以此时要采取最小风险的贝叶斯决策准则。

1.2 突出公式背后的物理意义

模式识别与电子专业其他课程相比数学公式和推导较多，学生在学习时很容易产生畏难的情绪，所以教学时要从公式背后的物理意义着手。如讲解主成分分析知识点时，首先介绍主成分分析的一般步骤，接着让大家思考为什么要选取协方差矩阵前几个最大特征根对应特征向量构成变换矩阵。从物理意义着手解释，数据协方差矩阵的特征根对应维数的分散程度，特征根越大表示数据在对应维数越分散，区分性越好，主成分分析的本质思想是在低维空间保留数据集的最大区别特性，所以要把数据投影到方差较大的空间。学生从物理意义出发才能更好的掌握公式的概念和推导过程。

1.3 建立与电子专业其他课程联系

模式识别一门综合性较强的课程，它和电子专业的许多课程关系紧密。在模式识别系统中，信号与系统、数字信号处理等课程可以提供前端处理和特征提取等技术，数字图像处理和语音信号处理等是具体领域，电子设计等课程可以实现系统的硬件产品。从另一方面来说，模式识别的原理和方法还可以指导电子线路和通信系统等设计。通过这种融合式的教学模式，让学生认识到模式识别是电子信息专业一门不可或缺的课程。

2 加强动手能力培养

对于本科生来说，在学习模式识别课程时，不仅要能理解主要算法的基本原理和思想，更重要的是要能用程序语言实现这些算法，并进行一些仿真实验。学生针对具体的算法编写代码，不但锻炼编程能力，而且也加深了对算法的认识，通过一些仿真实验还可以提高学生学习兴趣和积极性。模式识别课程常用的编程语言主要有MATLAB语言和C语言。下面介绍教学中培养学生动手能力一些措施。

2.1 布置课后编程作业

针对电子信息专业本科生来说，学习模式识别首要目的是为了应用，所以课后布置的作业应以算法实现为主。一些简单的算法，如Parzen窗概率密度估计和Fisher线性判别等，由学生独立编程完成；而对于稍复杂的算法，如BP神经网络，一般由老师提供部分代码，让学生去完成剩余的部分；还有一些比较困难的，如支持向量机，可以让学生下载网络上开源工具包进行数值实验。有时针对一些公开数据集，让学生用自己编写的代码进行仿真实验，并把实验的结果与一些参考文献中的结果对比，分析算法实现的优劣，在完成作业的同时，还能培养学生一定的科研基础。

2.2 分组完成课程设计

课程设计是模式识别课程必不可少的实验环节，学生以小组为单位选择题目，比如说话人识别、人脸识别、指纹识别和生物信号识别等，然后设计实现的算法，利用网络上开放的数据库进行实验，最后完成课程设计报告。通过课程设计，学生可以把所学的零散知识融汇贯穿，从而对模式识别系统有一个整体的认识，同时学生还可以培养团队协作的能力。当然学生还可以选择一些基于硬件的课程设计，比如声控小车实验，这样更能够培养学生对本专业知识的综合运用能力。endprint

3 采取灵活的考核机制

模式识别课程的最终成绩一般采用平时成绩和考试成绩结合的形式，平时成绩主要是学生的课后作业和出勤情况等，而考试成绩则是期末的卷面考查。为了体现对电子信息专业的学生综合能力培养的需求，我们对模式识别的考核机制进行一些改革。

3.1 重视学生的课堂表现

模式识别的许多新想法和创新观点经常在教与学的过程中产生，课堂上教师应当鼓励学生从本专业特点出发，积极思考模式识别的实际应用，如利用模式识别解决电子测量中故障的自动检测问题等。教学中的启发式问题，不但提高了学生理论联系实际的能力，同时还可以促进学生创新能力的培养，所以有必要把学生课堂表现作为考核内容。

3.2 增加实践能力的考察

模式识别中实践能力的考察主要针对课后的实验作业和课程设计等内容，这部分考察分数占总成绩的20%比例。实际的操作中，教师根据学生完成算法代码的运行效率、时间复杂度和实验结果等指标，给出一定的分数。对于课程设计，则根据不同小组对模式识别综合系统设计和实现，以及不同学生在小组中分工和表现等给出判分，有时还可以组织不同小组之间进行设计比赛，提高学生参与意识。

3.3 开放式的试卷考核

期末考试成绩占模式识别总成绩的比例一般比较大，通常在60%左右，教师可以采用开卷的形式考核。一方面，学生不需要死记硬背一些公式去考试，而是通过理解去掌握模式识别的一些基本概念和算法，减轻了学习的负担，另一方面教师可以出一些没有固定答案的试题让学生通过查阅资料解决，锻炼学生分析和解决新问题的能力。

总之考核的目的是为了促进学生对模式识别的一些基本理论掌握，锻炼动手操作能力，培养独立思考问题的方法，改革之后的考核方法更适合培养具有综合应用能力的学生。

4 结语

模式识别是一门不断发展的新兴学科，在信息化和大数据飞速发展的今天，模式识别作为学生就业和科研不可缺少的专业知识，正发挥这越来越重要的作用。本文针对电子专业本科生的专业特色，结合模式识别课程的特点，提出了模式识别课程教学改革方法，更好地提高学生的学习兴趣和提升就业内涵。随着电子信息专业课程体系和结构进一步深入改革，模式识别的教学和教法将获得更大的发展。

参考文献

[1] 边肇祺，张学工.模式识别[M].3版.北京：清华大学出版社，2002.

[2] 刘琼，张奇志，李邓化，等，模式识别课程的教学实践与改革思考[J].计算机教育 2013（19）：97-99.

[3] 胡静，曹治国.“模式识别”课程的国际化教学设计[J].电气电子教学学报 2013，35（4）：32.

[4] 戚玉涛，刘芳，焦李成，等.模式识别教学实践与课程改革[J].计算机教育，2010（19）：24-26.endprint