面向大学生创新创业能力培养的本科生模式识别课程改革思路

张立言

摘 要 在“大众创业，万众创新”的大背景下，大学生的创新创业教育改革已成燎原之势。与此同时，人工智能提升为国家战略目标，而模式识别技术是人工智能的重要组成部分。因此，面向大学生创新创业能力培养的模式识别课程改革，不仅对大学生创新创业教育有重要现实意义，也将为我国人工智能技术人才的培养和发展增砖添瓦。本文将着重分析如何在模式识别课程的教学过程中，激发学生的创新创业意识，如何将模式识别课程学习与学生的个性化培养相结合，通过产学研用深度融合，以培养特色鲜明的大学生创新创业人才。

关键词 模式识别 创新创业 前沿技术 分组实践

中图分类号：G642 文献标识码：A DOI：10.16400/j.cnki.kjdkz.2018.10.012

Abstract Under the background of "mass entrepreneurship， mass innovation"， the innovation and entrepreneurship education reform of college students has become a prairie fire. At the same time， artificial intelligence is promoted to the national strategic goal， and pattern recognition technology is an important part of artificial intelligence. Therefore， the reform of pattern recognition curriculum for the cultivation of college students' innovative and entrepreneurial abilities is not only of great practical significance to college students' innovative and entrepreneurial education， but also will contribute to the cultivation and development of artificial intelligence technology talents in China. This paper will focus on how to stimulate students' innovative and entrepreneurial consciousness in the teaching process of pattern recognition course， how to combine pattern recognition course learning with students' personalized cultivation， and how to cultivate students' innovative and entrepreneurial talents with distinctive characteristics through deep integration of production， teaching and research.

Keywords pattern recognition； innovation and entrepreneurship； advanced technology； group practice

1 课程介绍

模式识别是信息科学和人工智能的重要组成部分，是指对表征事物或现象各种形式的信息进行处理和分析，以对事物或现象进行描述、辨认、分类和解释的过程。[1][2]模式识别课程是一门多学科融合的课程，与信号处理，概率统计，模糊集论，信息论，数字图像处理，形式语言学，心理学，语言学等都有密切的关系，而且随着这门学科的发展，还会与其它更多学科发生关系。本科模式识别课程是针对计算机科学与技术学院高年级本科生的专业选修课，着重讲述模式识别的基本理论、基本方法和算法原理，通过理论和实践的紧密结合，学生能够有效地运用所学知识和方法解决实际问题，为研究新的模式识别理论和方法打下基础。

模式识别课程对学生的培养围绕以下四个目标展开。（1）了解模式识别的基本概念、方法和应用，包括掌握特征提取与选择方法；K-means、谱聚类、对分法等聚类算法；以及判别函数、统计判别、人工神经网络等分类方法。（2）能够针对具体应用问题，进行抽象分析与识别，建立一种模型对问题进行抽象表达，并选择对应的模式识别方法，对问题进行推理、求解和验证。（3）能够结合具体应用案例，合理选择和改进经典的模式识别算法；针对复杂的工程问题，设计开发能够满足需求的软硬件模块，并将模式识别算法进行集成与优化。（4）能够对模式识别领域的发展趋势有初步的了解，能够阅读与学习国际会议/期刊的前沿论文，并能够发表自己的看法。针对以上四个目标，教学组制定了相应的教学大纲和教学计划。从近年的授课实践和考试情况分析，该教学内容难度设置合理，深入浅出且相互承接为体系，学生总体反馈良好，但同时也存在一些矛盾和问题，主要概括如下：

（1）理论教学较为枯燥，不利于学习兴趣的激发及创新意识的培养。模式识别课程的理论体系中涉及到较多数学知识及公式推导，内容较为繁杂枯燥，会降低学生的学习兴趣，削弱学生的创新意识。

（2）教学内容略微，陈旧，无法紧跟前沿技术。模式识别属于高速发展的学科，目前课程教学的重点内容仍集中于某些基础的略微陈旧的理论教学上，缺乏对前沿知识的介绍。

（3）實践环节较为薄弱，与实际应用联系不紧密。实践教学环节较为薄弱，仅停留在举例介绍层面上，与实际应用联系不紧密，不利于激发学生的创新创业意识。

2 主要研究内容

随着“大众创业、万众创新”成为国家层面的发展战略，如何在模式识别教学过程中激发大学生的创新创业意识，以进一步培养有特色的创新创业人才将是一个亟待解决的问题。因此，本文主要研究面向大学生创新创业能力培养的模式识别课程改革，通过分析大学生创新创业活动的现状，[3]以及总结近年来模式识别课程的教学经验，本文将重点研究如下三个问题。

2.1 如何将枯燥的理论教学讲得通俗易懂并激发学生的创新意识

模式识别是一门复杂的涉及到多学科的一门课程，具有多样性、多学科交叉等特点，与信号处理，概率统计，模糊集论，信息论，数字图像处理，形式语言学，心理学，语言学等都有密切的关系，而且随着这门学科的发展，还会与其它更多学科发生关系。该课程的先修课程包括概率统计、线性代数、高等数学、计算机编程等多门课程，需要有一定的知识积累和数学功底，例如应掌握概率统计和线性代数中关于矩阵分解的基本知识，需要有一定的编程能力和算法实现能力。

模式识别课程的理论体系中涉及到较多数学知识及公式推导，例如贝叶斯分类器中的概率公式推导，主成分分析中的矩阵分解知识，支持向量机中的优化问题等等。目前的模式识别教学中数学推导繁杂，对于数学公式和推导的教学时长较长，而对于模式识别核心内容及基本概念的讲授时长不足，这将导致学生对模式识别课程的学习重点较多集中在数学分析上，而对于模式识别的基本概念以及核心思想理解不够深入。[4]如果没有很好的知识积累，学生会觉得这些内容较为繁杂枯燥，很难理解并掌握，从而会慢慢丧失学习兴趣。对于学到的知识只知其然，不知其所以然，更不能学以致用，很难产生创新意识。因此，如何从根本上改变这一本末倒置的现象，让学生能够真正理解模式识别问题的关键，掌握核心理论及方法，是授课过程中亟待解决的问题。

2.2 如何将经典知识与前沿技术相结合以开拓学生的创新思维

模式识别属于高速发展的学科，目前课程教学的重点内容仍集中于某些基础的略微陈旧的理论教学上，缺乏对前沿知识的介绍。模式识别技术目前仍处于高速发展、不断完善的阶段，现有的技术还无法满足许多实际应用的需求，例如自动图像识别的准确率还较低。这些缺点和不足给模式识别学科的发展提供了源源不断的动力，也吸引着无数研究人员为之努力。因此，模式识别技术相关的新算法、全新的思想在不断产生。这些崭新的技术和思想大部分发表于国际会议及期刊上。

目前模式识别课程教学的重点内容仍集中于某些基础的略微陈旧的理论教学上，例如较为基础的分类聚类算法等，而对于较新的前沿知识缺乏介绍，例如深度学习算法等等。这是因为模式识别学科发展过于迅速，而教材的编订修改速度远远赶不上技术的更新换代。

2.3 如何将理论知识与实际应用紧密结合以鼓励学生的创新创业理念

目前课程的实践教学环节较为薄弱，仅仅停留在举例介绍层面上，与实际应用联系不紧密，不利于激发学生的创新创业意识。目前的实践环节仅仅局限于学生根据课本实例，进行编程实现相关的算法，以得到实验结果进行分析比较。这些实践环节并没有与实际应用进行紧密结合。而模式识别算法可以广泛应用于各个领域，解决很多实际问题，例如生物学中的染色体特性研究、遗传研究，经济学中的股票交易预测，医学中的心脑电图分析，语音识别，人脸识别，多媒体检索等等。

3 主要研究方案

模式识别课程是一门复杂的前沿技术学科，是人工智能重要的组成部分。培养具有创新创业能力的模式识别技能的人才，将对国家的科技发展产生积极作用和重要意义。然而，模式识别课程既有抽象的理论、复杂的数学推导和算法组成，又需要学生有很强的动手实现能力。此外，技术还处于高速发展的过程中，新的理论和算法不断产生，这也需要教师和学生能够与时俱进、学无止境。这些都给该课程的教学和学习带来了一定挑战。因此，本文将研究面向大学生创新创业能力培养的本科模式识别课程改革。针对目前教学过程中存在的问题和挑战，将采用如下解决方案。

3.1 化繁为简、动态直观地展现复杂理论知识的核心思想

模式识别课程的理论体系中涉及到较多数学知识及公式推导，先修课程包括概率统计、线性代数、高等数学、计算机编程等多门课程，需要有一定的知识积累和数学功底。目前的教学中数学推导繁杂，对于数学公式和推导的教学时长较长，而对于模式识别核心内容及基本概念的讲授时长不足。对于数学基础较为薄弱的同学，觉得这些内容较为繁杂枯燥，很难理解并掌握，从而会慢慢丧失学习兴趣。即便勉强听懂，也只是了解一些皮毛，只知其然，不知其所以然，更无法激发创新意识。针对这一问题，将采用如下解决方案。

（1）对于推导过程比较繁杂抽象、难以理解的数学公式和算法，可结合实际问题进行举例，用实际例子一步一步进行推导演化，让学生可以对问题解决过程有直观的了解和感受。

（2）充分利用多媒体幻灯片等教学辅助方式，通过形象的动态演示系统力图使学生尽快掌握算法的核心思想。例如，在讲解隐马尔科夫模型的维特比算法时，以实际生活中的气压和天气为例，进行算法的建模，并利用动画演示的方式，将每一步计算结果进行展示，充分解释其中包含的物理意义，让学生生动直观的了解到如何利用该算法解决实际问题，并深刻认识到算法的核心思想。

（3）对于某些数学推导内容，可以适度缩短复杂的数学公式的推导过程，提炼主要的推导步骤，着重讲授数学公式及数学结果所包含的物理意义，让学生理解问题的核心思想及解决问题的主要步骤。

（4）充分调动课堂气氛，利用分组比赛、有奖竞答等方式激发学生的学习兴趣和积极性，提高课堂效率和活跃度，使学生在轻松有趣的氛围中掌握繁杂枯燥的理论知识。

3.2 经典知识与前沿技术紧密结合以开拓学生的创新思维

模式识别技术属于高速发展、较为活跃的学科，是人工智能的重要组成部分，在航空航天、交通安全、生物医学、金融分析、工业生产等诸多领域发挥着重要的作用。因此，各种算法思想、技术知识更新换代较为迅速，而模式识别教材的编订修改速度远远赶不上技术的更新速度。目前模式識别课程教学的重点内容仍集中于某些基础的略微陈旧的理论教学上，对于前沿的新技术、新知识缺乏介绍，这将不利于开拓学生的创新思维。针对这一问题，采用如下解决方案。

（1）对于教材中的经典算法，例如聚类算法中的K-means，分类算法中的KNN等，予以保留进行详细介绍，算法虽然简单，却有很强的实用性；对于略微过时的算法，可简略介绍。

（2）引导学生课下阅读知名国际会议及期刊的学术论文，例如顶级期刊T-PAMI，计算机视觉相关的顶级会议CVPR、ICCV的论文，多媒体领域顶级会议ACM Multimedia论文等，以此锻炼学生的自学能力，并开拓学生的知识面和创新思维能力。

（3）计算机学院经常会邀请国内外知名学者进行讲座，鼓励学生参加模式识别学科相关的前沿知识讲座，拓展知识面，开阔视野，以进一步拓展学生的创新创业思路。

3.3 理论知识与实际应用紧密结合以鼓励学生的创新创业理念

目前，模式识别课程的实践教学环节，仅仅停留在举例介绍层面上，与实际应用联系不紧密，不利于激发学生的创新创业意识。为进一步将模式识别理论知识与实际应用紧密结合，将采取如下方案。

（1）将模式识别课程设计与实际应用紧密结合，例如实现人脸识别系统、语音识别、车牌识别系统、监控视频下的人物分析等等。这些课程设计可以与科创项目相结合，以解决实际应用问题，此过程可激发学生的创新创业理念。

（2）鼓励学生分组进行系统实现，原则上每组2-3人，自由组合，采用现场演示讲解的方式展示每一个实践环节。这种方式可以锻炼学生的团队意识与合作精神，并且提高语言表达能力。

（3）引导学生积极阅读知名国际会议和期刊论文，并对前沿算法进行实现。在此过程中，锻炼学生发现问题、解决问题的能力，激发学生的创新意识。

（4）鼓励学生积极参加模式识别相关的课题研究小组，参与相关项目，解决实际问题，鼓励学生积极向期刊和会议投稿。

通过以上措施和方案，可以有效解决这些问题，包括理论教学较为枯燥，不利于学习兴趣的激发及创新意识的培养；教学内容略微陈旧，无法紧跟前沿技术；实践环节较为薄弱，与实际应用联系不紧密等等。

4 总结

在“大众创业，万众创新”的大环境下，人工智能上升为国家战略，而模式识别技术是人工智能的重要组成部分。因此，面向大学生创新创业能力培养的模式识别课程改革，不仅对大学生创新创业教育有重要现实意义，也将为我国人工智能技术的发展增砖添瓦。该课程改革将着眼于如何在模式识别课程的教学过程中，激发学生的创新创业意识，如何将模式识别课程学习与学生的个性化培养相结合，通过产学研用深度融合，以培养特色鲜明的大学生创新创业人才。该课程改革可以有效提高大学生创新创业的科技含量，从而进一步提升創业的成功率和社会影响力。

基金项目：南京航空航天大学计算机科学与技术学院教改项目（2017JG0901Y）

参考文献

[1] 齐敏，李大健，郝重阳.模式识别导论.清华大学出版社，2009.

[2] 边肇祺.模式识别（第二版，第三版）.清华大学出版社，2000.

[3] 王雅君.国外大学生创新创业教育的经验及启示.邢台职业技术学院学报，2016.

[4] 张芳，肖志涛，韩晓军，吴骏，刘丽杰.模式识别课程教学改革思考.计算机教育，2012.