多类型案例驱动的研究生教学模式研究

宋丹 高樱萍 王雅静 刘洞波

[摘 要]針对目前研究生教学存在的理论知识偏多、教学模式单一、教学案例缺少的问题，课题组建立了文献案例库、算法案例库与综合案例库，运用多类型案例库驱动的教学模式，以提升研究生的科研创新能力，拓宽研究生的学术视野，增强研究生的学术素养，为其硕士阶段的选题、课题研究与论文写作奠定基础。通过研究生的教学实践，多类型案例教学促进了学生对专业知识的深入理解，并提升了其开展科学研究与创新思维的能力。

[关键词]案例教学;研究生教育;教学模式;模式识别

[中图分类号] TP391.4;G643 [文献标识码] A [文章编号] 2095-3437（2021）10-0115-04

“纺织服装CAD技术及应用”是我校纺织工程专业硕士点的一个研究子方向，而“模式识别及应用”是该方向的关键核心专业课，是纺织工程领域与计算机领域的交叉结合。在学位点建设中，课程建设地位应该进一步提高[1]。工程类专业硕士培养注重理论与实践相结合，如何将教学与实践相结合是这一类课程教学的重点。案例教学具有可视化、实践性强、多元化等优点，适于该类课程的教学目标与实践要求。

由于研究生相关基础知识水平参差不齐，课程内容又比较抽象、生涩，为了提高教学质量，在本次教学改革过程中，本课题组充分考虑了学生学习新知识的心理演变过程，认真研究教学内容、教学方法等诸多方面，建立了文献案例库、算法案例库与综合案例库等多类型的案例库，力求在教授基本原理的同时，引导学生阅读领域文献、理解领域内常用算法并围绕综合案例开展理论分析、设计与实现的全过程学习，为后期的选题、开题、设计与实现等研究阶段打下坚实的基础。

模式识别是通过分析感知数据（图像、视频、语音等），对数据中包含的模式（物体、行为、现象等）进行判别和解释的过程，是根据对事物的数学描述，由计算机自动辨别事物的特征，从而做出判断，并把事物进行分类。模式识别具体指对表征事物或现象的各种形式的（数值的、文字的和逻辑关系的）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，是指在一定量度或观测基础上将待识别的模式划分到各自的模式类中去，它是信息科学和人工智能的重要组成部分。

虽然模式识别技术的发展历史只有50余年，但它已经广泛应用于专家系统、机器翻译、图像处理和机器人技术等领域。随着人工智能技术对社会经济发展的影响不断增大，模式识别相关课程不再是计算机专业独有的专业课程，国内外很多高校在自动化、纺织工程、智能交通等专业都开设了该研究生课程。

洪伟等[2]认为，从应用角度看，模式识别类课程属于人工智能、机器学习的领域;从学术内涵角度看，它是进行数据处理、信息分析的学科。该类课程在纵向上与概率论、数理统计密不可分，在横向上注重与数字图像处理、纺织图像处理等内容相结合。该类课程对于巩固已学知识、开展后续专业课学习及未来工作具有积极的指导意义。

在模式识别与纺织工程交叉领域，学者张海波等[3]提出为实现基于内容的男西装图像情感语义识别，将男西装图像的低层特征映射到情感语义空间。学者应乐斌等[4]针对棉/亚麻混纺织物，通过单纤维纵向显微图像，研究了纤维的自动识别方法，设计了基于支持向量机的分类器对测试集进行测试。学者杜磊等[5]利用多种自适应阈值算法对目标和背景灰度值差异较大的织物疵点的检测效果进行综合比较，并详细分析和比较检测结果。学者张孝超等[6]针对人工测量针织物密度的方法存在耗时、不能连续测量的缺点，提出一种应用空间域法对针织物图像进行处理并得到其密度的方法。

一、多类型案例库驱动的教学模式

“模式识别及应用”是一门学科综合交叉的课程，所涉及的理论知识较多，且对研究生的编程能力有一定的要求。为了提升研究生科研创新能力，拓宽其学术视野，增强其学术素养，我们在课程教学中主要是构建了三个数据库，分别是文献案例分析库、开题流程模式化以及构建课程案例库。文献案例分析库主要是为了提高研究生查阅文献、分析问题、对问题定义的能力，为学生硕士论文的选题做准备;通过开题流程模式化，学生运用PPT汇报的形式来讲述自己的论文，将“选题—开题汇报—讨论与提升”的教学过程系统化、模式化，使其构建新课题的能力得到有效提升。由于本课程是纺织工程与计算机的交叉学科，因此在选取课程应用型案例时要考虑纺织工程领域背景，并结合计算机信息处理技术来选择、处理与构建，增强学生的问题分析与建模能力。

“纺织服装CAD技术及应用”是纺织工程领域与计算机领域的有机结合，而“模式识别及应用”课程是该方向的关键核心专业课，其课程内容能很好地代表两个领域的交叉结合。

该课程建设不同于计算机专业的课程建设，其案例来源须考虑纺织工程领域与计算机领域的交叉结合。课题组在构建常规的算法案例库与综合应用案例库外，还特别构建了文献资料分析库与开题流程模型。多类型案例库构建框架如图1所示。

二、多类型案例库构建

（一）文献分析案例库

考虑到学生为纺织工程硕士点研究生，本文主要以《纺织学报》（纺织学科国内唯一EI源刊）等为刊源，以2010—2019年为时间段，从中选择了10篇与之相关的文章来构建文献分析案例库。阅读时要求学生主要从论文的标题摘要、论文的结构布局、论文的创新点以及结论等方面进行分析。

阅读文献是学术研究中很重要的一个部分，通过较广层面的文献阅读，学生可以在阅读中找到自己感兴趣的研究方向，这对以后的自主选题有一定的帮助，也为后续研究课题的确立与进一步研究打下基础;通过较小领域的深层次的文献阅读，学生可以了解与学习研究小方向上的历史发展和前沿动态，对自己所研究的课题所属小领域有更深层次的理解。同时，学生阅读文献、分析论文结构、了解论文的行文结构，对其撰写学术论文有很大的帮助。

（二）算法案例库

算法案例库的构建主要包括算法简介、主要源代码、仿真实验几个方面。选取的算法主要是图像分割、模式分类与识别等领域的相关算法，具体应用到纺织服装图像分割与分类、织物疵点提取与分类、数字图像分割与识别等领域。以纺织服装图像分割为例，其是根据一定的相似性准则将图像划分为不同区域的过程，这也是图像处理中最困难的任务之一，分割的精度对最终计算机分析过程的成功率有直接影响。本文主要选取了聚类算法、Canny算法、改进Canny算法、Roberts算法、Soble算法等进行比较。

以Roberts算法为例，构建的Roberts算法案例主要包含算法简介、算法源代码、算法仿真实验处理对象与结果。

Roberts算子作为一阶微分算子算法，其算法计算量小，对细节的反应也较为敏感。它用对角线的差分来表示梯度， 是一种利用局部差分算子寻找边缘的算子。从图像处理的实际效果来看，边缘定位较准，对噪声敏感，适用于边缘明显且噪声较少的图像分割。Roberts边缘检测算子是一种利用局部差分算子寻找边缘的算子。进行服装图像仿真实验，如对图2中的原始图像经过Roberts算子进行图像分割后得到图3，通过结果可以看出Roberts算子边缘定位准确，但是处理后的图像的边缘不是很平滑。

（三）综合案例库

随着我国經济的发展，出现了以计算机技术核心为支撑的各类智能系统，如构建在机器视觉、图像处理与模式识别的车牌识别系统已在交通执法、场所出入、车辆定位与跟踪等领域广泛应用，促进了系统效率的提升，展现出很强的实用价值。围绕模式识别这一经典案例，本课程构建与设计了基于OpenCV的车牌识别系统。

基于OpenCV的车牌识别系统案例的综合性较强，从分析车牌的结构特征和目标区域的定位着手，主要流程包含：车牌图像的获取、灰度化、二值化、边缘检测、数学形态学处理、区域标记、车牌精细定位、垂直投影法车牌字符分割。

以关键环节车牌定位、字符分割与字符匹配为例，图4给出了这些关键环节的流程图。车牌定位：首先对获取的车牌图片进行预处理，包括灰度化、对比度增强以及二值化处理。为了快速定位车牌区域，本节采用边缘检测算法进行车牌定位，使用Sobel算子对目标区域确定边缘，去排除一些干扰选项，最终准确定位车牌区域。字符分割：根据上一节定位后的目标区域图像，对总计7个字符进行切割，切割后的单个字符图像用于字符识别。本文采用的是根据水平投影法和垂直投影法去进行车牌字符切割的方法。垂直投影法确定粗略切割车牌字符，水平投影法进一步精细确定字符。字符匹配：利用当前比较常见的识别方法是便于理解且易实现的模板匹配算法和抗干扰性较强的神经网络算法。大量实验证明模板匹配算法识别字符效果较好，而BP神经网络识别数字和字母效果较好。最终确定车牌第一个汉字字符识别采用模板匹配算法，后续六个字符识别采用BP神经网络算法。

三、教学模式实践

针对2016—2018级纺织工程CAD子方向的研究生，我们在“模式识别及应用”课程教学实践中运用了多类型案例驱动的教学模式。这提升了学生的学习兴趣，促进了科研素质的培育。将文献案例库与学生自主选题进行PPT汇报相结合，我们对学生进行了选题—开题汇报—讨论与提升的过程训练，注重培养学生的选题能力，减少或避免出现方向上的选题偏差，拓宽学生的学术视野，增强其学术素养;利用算法案例库与综合案例库进行教学有助于学生提升分析问题、解决问题的能力，针对具体应用领域问题，沿用提出问题—分析问题—构建模型—设计算法—仿真实验—反馈调整的模式，可加强学生建模与实际运用能力，并强化学生重视编码、重视算法的设计与创新意识。多类型案例库的构建与运用，有助于提升研究生的整体研究水平，为其后续的选题、课题研究与论文写作打下扎实的基础。

通过调查和统计分析可以看出，“纺织服装CAD技术及应用”子方向的2016—2018级研究生的学术能力以及科研能力得到了较大提升，其查找、阅读以及分析文献的能力进一步得以深化，其撰写论文的基本素养得到了培育。因此，本教学模式的实施具有较好的可行性与普适性，并在教学实践中取得了较好的教学反馈，对学生学习课程内容和提高总体科研水平有很好的帮助。表1列出了2016—2018级“纺织服装CAD技术及应用”子方向与纺织工程专业硕士点的科研信息统计情况，从表中对比可以得出：“纺织服装CAD技术及应用”子方向研究生在省级研究生科研创新项目立项率、专利人均立项数和论文人均发表篇数上均明显优于纺织工程专硕研究生的平均水平，表现出较好的科研能力与科研素养。

四、结语

模式识别是一门理论与实践相结合的技术科学。我们在此类课程的教学过程中，应积极推进课程建设，探索新的教学模式，将专业课程建设与研究生科研创新能力相结合，通过教学环节设计来有效提升学生对文献的阅读与分析能力、对前沿领域的认知与选择能力、算法设计与实现能力，从而提升学生的科研创新素质，为后续研究打下基础。对于任课教师，通过该课程建设，能增强与完备教学素材和案例库，提升教学方法与教学水平，促进课程教学质量的提升。

[ 参 考 文 献 ]

[1] 刘兰英.合格评估视角下的研究生学位点内涵建设[J].教育发展研究，2019（5）：66-73.

[2] 洪伟，刘富，田彦涛. 《人工智能》硕士课程教学改革的研究与实践[J]. 教育教学论坛，2012（16）：152-153.

[3] 张海波，黄铁军，修毅，等. 基于神经网络的男西装图像情感语义识别[J]. 纺织学报，2013（12）：138-143.

[4] 应乐斌，戴连奎，吴俭俭，等. 基于纤维纵向显微图像的棉/亚麻单纤维识别[J]. 纺织学报，2012（4）：12-18.

[5] 杜磊，李立轻，汪军，等. 几种基于图像自适应阈值分割的织物疵点检测方法比较[J]. 纺织学报，2014（6）：56-61.

[6] 张孝超，李平，金福江. 应用图像空域法的针织物密度在线测量[J]. 纺织学报，2015（11）：138-145.

[责任编辑：钟 岚]

[收稿时间]2020-06-12

[基金项目]本文系湖南省研究生教育教学改革一般项目“模式识别及应用课程改革的实践与研究”的阶段性成果（湘教通〔2019〕293号），并受湖南省研究生科研创新项目“基于改进 Canny 算法和BP神经网络的女装图分类与检索系统”（CX20190962），湖南省研究生优质课程“计算机图形图像处理”（湘教通〔2019〕370号），教育部人文社会科学研究项目“知识图谱与教育大数据协同驱动的自适应学习模式研究”（20YJA880045）资助。

[作者简介]宋丹（1976-），男，湖南长沙人，博士，副教授，研究方向：教育大数据、智能优化建模与分析。