基于大數(shù)據(jù)技術(shù)的模式識別課程教學(xué)改革

馬家君 張利 謝泉

摘?要：針對模式識別課程教學(xué)過程中學(xué)生難以理解的問題，應(yīng)用大數(shù)據(jù)分析技術(shù)，對模式識別課程學(xué)習(xí)的難易度、課程教授的滿意度和模式識別課程的重要性三個方面進行了統(tǒng)計分析，并明確了模式識別課堂教學(xué)過程中學(xué)生難以理解的主要原因，進而從課堂講授和實驗教學(xué)兩個方面對模式識別課程的教學(xué)方法與教學(xué)模式進行了調(diào)整與改革，解決了模式識別教學(xué)過程中學(xué)生難以理解的問題。

關(guān)鍵詞：教學(xué)改革;大數(shù)據(jù)技術(shù);模式識別

中圖分類號：G642?文獻標識碼：A?文章編號：1674-7615（2019）04-0137-04

DOI：10.15958/j.cnki.jywhlt.2019.04.024

Abstract：Aiming at the problem of pattern recognition course teaching which is difficult for students to understand and applying big data analysis technology， the present paper made a statistical analysis of the difficulty in learning pattern recognition course， satisfaction of the course teaching and the importance of the course， clarified the main reasons why it was difficult for the students to understand the process of pattern recognition classroom teaching and innovated the teaching methods and adjusted modes of pattern recognition from the two aspects of classroom teaching and experiment teaching and solved the problem of teaching pattern recognition.

Key words：teaching reform; big data technology; pattern cognition

模式識別（Pattern Recognition，PR）是利用計算機對模式進行分類識別，通過對獲取的原始數(shù)據(jù)的預(yù)處理、特征提取、分類器的設(shè)計，并在分類錯誤率較小的條件下使分類識別的結(jié)果與物理對象相符合的技術(shù)[1]。模式識別課程是大數(shù)據(jù)科學(xué)與技術(shù)、云計算技術(shù)、大數(shù)據(jù)挖掘、物聯(lián)網(wǎng)工程等課程的核心基礎(chǔ)課，是一項充滿智慧的課程，是現(xiàn)代人工智能必不可少的基礎(chǔ)技術(shù)，也是計算機技術(shù)的一個重要分支[2]。模式識別課程對計算機視覺、人工智能、工業(yè)自動化、智慧農(nóng)業(yè)、智慧交通管理和大數(shù)據(jù)挖掘等領(lǐng)域的研究有重要意義。模式識別課程具有很強的理論性、實踐操作能力要求高，與計算機編程、算法設(shè)計等課程內(nèi)容融合高，是一門與工程實踐緊密結(jié)合的綜合性的課程[3]。模式識別課程對數(shù)學(xué)基本理論性的要求非常高，在大數(shù)據(jù)、物聯(lián)網(wǎng)的培養(yǎng)計劃中具有極其重要的地位。在模式識別方法的理論方面，該課程既結(jié)合了概率論與數(shù)理統(tǒng)計、數(shù)值分析、矩陣論等數(shù)學(xué)基礎(chǔ)理論，同時又為數(shù)據(jù)挖掘、人工智能、深度學(xué)習(xí)等專業(yè)課程的學(xué)習(xí)奠定了理論基礎(chǔ)[4]。模式識別課程中算法的理論分析涉及到高等數(shù)學(xué)、線性代數(shù)等大量的基礎(chǔ)數(shù)學(xué)知識，由于大部分學(xué)生數(shù)學(xué)基礎(chǔ)薄弱，學(xué)生很難深入理解模式識別方法的數(shù)學(xué)思想[5]。另外，在實驗教學(xué)方面，大部分學(xué)生的計算機編程能力較弱，即使掌握了模式識別的具體算法，很難將模式識別算法通過計算機編程實現(xiàn)。模式識別課程算法理論學(xué)習(xí)機實驗編程能力的訓(xùn)練，能為學(xué)生在工程實踐及科學(xué)研究中打下堅實的理論和實踐基礎(chǔ)。另外，在模式識別的本科教學(xué)過程中，讓學(xué)生切身體會模式識別具體算法的應(yīng)用，對教師教學(xué)能力提升也具有很大的挑戰(zhàn)[6]。

本文應(yīng)用大數(shù)據(jù)技術(shù)，對近兩年主修模式識別課程的教師和學(xué)生進行了數(shù)據(jù)采集。分別從學(xué)生對模式識別課程重要的認識、學(xué)生對模式識別課程難易度以及學(xué)生對教師授課滿意度等幾方面進行了分析，并明確了目前模式識別課程教學(xué)中學(xué)生難以理解的主要原因。在大數(shù)據(jù)技術(shù)的支撐下，從課堂教學(xué)和實踐教學(xué)兩方面對現(xiàn)有模式識別教學(xué)內(nèi)容、教學(xué)模式做出相應(yīng)的調(diào)整與改革，這部分研究對模式課程進行全面的優(yōu)化建設(shè)與實踐具有重要意義。

以2016至2018年講授和主修過模式識別課程的教師與本科生為數(shù)據(jù)采集對象。從集體問卷訪談、課程教學(xué)視頻、學(xué)生作業(yè)完成情況和試卷分析中獲取模式識別教學(xué)相關(guān)數(shù)據(jù)。在集體問卷訪談方面共發(fā)放400份問卷，其中教師問卷10份，本科生問卷390份，專業(yè)包括物聯(lián)網(wǎng)工程、信息管理與信息系統(tǒng)、電子信息工程3個。本次問卷訪談共回收問卷387份，回收率96.75%。在學(xué)生的問卷調(diào)查方面，我們設(shè)計了課程理論推導(dǎo)難易度、實驗課程重要性、課堂講授滿意度和課程設(shè)計合理性四個調(diào)查項進行數(shù)據(jù)采集;在課程教學(xué)視頻上，從教室監(jiān)控獲取視頻數(shù)據(jù)，并采用大數(shù)據(jù)技術(shù)通過深度學(xué)習(xí)獲取課堂學(xué)生聽課狀態(tài)相關(guān)信息;在學(xué)生作業(yè)完成情況和試卷分析上，根據(jù)教師統(tǒng)計的相關(guān)數(shù)據(jù)進行分析。綜合以上3種數(shù)據(jù)源進行大數(shù)據(jù)統(tǒng)計分析，分析結(jié)果如表1所示。

大數(shù)據(jù)分析表明，認為模式識別課程理論推導(dǎo)較難的學(xué)生占75%以上，實驗課程較為重要的學(xué)生占80%以上，課堂教學(xué)較為滿意的學(xué)生不到40%。課程設(shè)計較為合理的學(xué)生不到50%。在以上統(tǒng)計分析的基礎(chǔ)上，我們認為導(dǎo)致學(xué)生對模式識別課程難易理解的主要原因是：學(xué)生理論基礎(chǔ)薄弱，學(xué)習(xí)過程中主動性不強，教師教學(xué)方法落后。首先，模式識別算法的理論推導(dǎo)部分，涉及到很多數(shù)學(xué)分析、工程優(yōu)化、矩陣論等數(shù)學(xué)基礎(chǔ)理論，甚至還涉及到小波分析、隨機過程等更高層次的數(shù)學(xué)理論;其次，模式識別實驗教學(xué)過程中涉及到C語言、C++語言、MATLAB編程等計算機編程語言，很多學(xué)生計算機編程基礎(chǔ)較為薄弱;最后，教授模式識別課程的老師缺乏相關(guān)的工程訓(xùn)練項目，在課程體系的設(shè)計上缺乏創(chuàng)新性。

在國家大力發(fā)展大數(shù)據(jù)技術(shù)的背景下，模式識別課程教學(xué)的改革對進一步推動大數(shù)據(jù)相關(guān)核心課程的學(xué)習(xí)，促進大數(shù)據(jù)科學(xué)與技術(shù)學(xué)科的發(fā)展具有重要的意義。

近幾年，模式識別課程建設(shè)和教學(xué)改革取得了很多成果，但在大數(shù)據(jù)的新形勢下，尤其是模式識別課與大數(shù)據(jù)相關(guān)理論課程的深度融合上還存在很多問題[7]。模式識別課程教學(xué)改革將從課堂教學(xué)改革和實踐教學(xué)改革兩個方面進行。

1.課堂教學(xué)改革

模式識別課堂教學(xué)的基本要求是靈活應(yīng)用緊致性處理模式之間是否可分的問題;通過掌握判別閾值法，明確模式識別的基本處理方法，模式識別是如何分析解決現(xiàn)實問題的;掌握特征生成方法中的提取和選擇，對于給定實物特征能領(lǐng)會提取實物的有用信息。在大數(shù)據(jù)背景下，除了要求學(xué)生掌握模式識別的基本概念、基本理論、基本方法外，還要要求學(xué)生能將所學(xué)模式識別知識應(yīng)用于車牌號識別、人臉識別、手寫識別、文本語意識別、指紋識別等大數(shù)據(jù)工程領(lǐng)域中[8]。模式識別課堂教學(xué)改革主要從以下幾個方面進行。

實施虛擬化演示教學(xué)。模式識別課程中的PAC降維、感知器算法、貝葉斯分類算法、近鄰法等包含了較多的數(shù)學(xué)理論推導(dǎo)過程，學(xué)生在學(xué)習(xí)過程中感覺枯燥乏味。采用虛擬化演示教學(xué)能在很大程度上提高學(xué)生的學(xué)習(xí)興趣。在模式識別課程中的虛擬化演示教學(xué)中，主要針對數(shù)學(xué)推導(dǎo)較多的fisher線性判別法、貝葉斯分類法、PCA降維等，采用MATLAB的可視化技術(shù)，通過在命令空間編寫程序，或者直接編寫M語言程序，生成與fisher線性判別法、貝葉斯分類法、PCA降維相應(yīng)動畫或圖像，在課堂上通過虛擬化技術(shù)演示fisher線性判別法、貝葉斯分類法、PCA降維等算法的推導(dǎo)過程，讓學(xué)生直觀體會到模式識別算法圖像效果，結(jié)合理論推導(dǎo)，從感觀上加深對模式識別方法的深入理解。在模式識別課程教學(xué)中，虛擬化演示的教學(xué)方式中需要注意兩方面的事項：一方面，在選擇具體演示的模式識別算法時，盡量選擇公式推導(dǎo)過程中數(shù)據(jù)易于可視化的例子，如通過醫(yī)學(xué)圖像處理中的圖像的亮度均值、亮度標準方差二維數(shù)據(jù)來對醫(yī)學(xué)圖像進行分類;另一方面，MATLAB在運行過程中，可以采用分部運行，程序執(zhí)行過程更加清楚，學(xué)生更容易理解。

實施“啟發(fā)式”教學(xué)模式。在啟發(fā)式教學(xué)法中，一方面，需要引導(dǎo)學(xué)生思考模式識別知識的具體應(yīng)用有哪些;另一方面，需要將學(xué)生所掌握的模式識別算法怎么通過計算機編程來解決工程實際問題。從模式識別緒論部分的講解開始，引導(dǎo)學(xué)生明白模式識別課程是用來解決如人臉識別、指紋識別、車牌號識別、產(chǎn)品是否合格、工業(yè)機械設(shè)備運轉(zhuǎn)是否正常等實際問題，并啟發(fā)學(xué)生思考模式識別在日常生活還能解決的實際問題有哪些，通過這種啟發(fā)式的教學(xué)模式，學(xué)生積極思考回答問題，加深對模式識別課堂的理解。另外，引導(dǎo)學(xué)生在京東、天貓等網(wǎng)商場上搜索與模式識別相關(guān)的智能產(chǎn)品，例如指紋打卡機、驗鈔機、智能機器人，引導(dǎo)學(xué)生思考模式識別相關(guān)產(chǎn)品的工作原理，以及要用到的模式識別基礎(chǔ)理論知識，采用哪些相關(guān)的技術(shù)手段來實現(xiàn)。

實施“強化練習(xí)”的教學(xué)模式。在模式識別的教學(xué)中運用強化練習(xí)的教學(xué)方式，對每一個模式識別的知識點，通過具體的例子講解，然后再通過相應(yīng)的練習(xí)題，讓學(xué)生在課堂上練習(xí)，并根據(jù)學(xué)生的完成情況，調(diào)整強化練習(xí)的具體項目，將強化練習(xí)分為基礎(chǔ)、深化、提高三個層次，逐步提高學(xué)生主動學(xué)習(xí)的興趣和持續(xù)學(xué)習(xí)的動力。

將目前學(xué)生比較感興趣的微信跳一跳游戲外掛開發(fā)、人臉識別、指紋識別等技術(shù)引入課堂教學(xué)。并進行實際案例的演示，讓學(xué)生能直觀地知道模式識別的具體應(yīng)用，提高學(xué)生學(xué)習(xí)興趣。

采用虛擬化演示教學(xué)方式。在模式識別的課程講授過程中，通過計算機編程，將模式識別過程中難以理解的公式推導(dǎo)或模式識別的具體算法，采用虛擬化技術(shù)，設(shè)計視頻演示，有效豐富模式識別教學(xué)內(nèi)容，激發(fā)學(xué)生在模式識別過程中積極思考和積極學(xué)習(xí)的熱情。

2.實踐教學(xué)改革

在模式識別的實驗教學(xué)過程中，鍛煉學(xué)生編程能力及運用模式識別具體算法解決工程實際問題的能力是很重要的。目前，模式識別實踐教學(xué)過程中通常存在兩個方面需要解決的問題：一方面，實踐教學(xué)時間短。模式識別課程在本科階段一般作為考查課，課時通常為36學(xué)時，通常30個學(xué)時用于課堂教學(xué)，在6個學(xué)時的實踐教學(xué)過程中，設(shè)計高效的實驗教學(xué)內(nèi)容是極為重要的;另一方面，模式識別實驗教學(xué)過程中面臨實驗項目不好選擇的問題。模式識別實驗過程中fisher線性判別法、貝葉斯分類法、PCA降維等模式識別具體算法很復(fù)雜，直接讓學(xué)生通過計算機編程實現(xiàn)的工作量非常大，在有限的實驗教學(xué)學(xué)時的時間內(nèi)很難完成。

對于模式識別實驗教學(xué)過程中時間短的問題，在實驗課上讓學(xué)生集中進行編程練習(xí)，并在實驗課后安排學(xué)生具體的模式識別項目，利用學(xué)生課余時間完成。這樣可以在一定程度上解決學(xué)生模式識別實踐教學(xué)時間不夠的問題。另外，實踐教學(xué)過程中的原理部分可以在課堂教學(xué)過程中作為案例進行詳細講解，節(jié)省實踐教學(xué)過程中進行原理性講解的時間。另外，在模式識別實踐教學(xué)選題方面，除了選擇實現(xiàn)一些例如人臉識別的經(jīng)典問題外，可以選擇與大數(shù)據(jù)、云計算相關(guān)的一些課題。例如，基于MapReduce思想，編寫車牌識別程序。實現(xiàn)對貴州某兩處監(jiān)控圖片中的車牌的識別，完成對除貴州省車輛外的外省車輛的統(tǒng)計，并完成對兩處監(jiān)控中套牌車輛的識別，并得出結(jié)果。在這樣的實踐課程環(huán)節(jié)中，學(xué)生不僅能將模式識別的方法運用到具體工程實踐中，還能鞏固所學(xué)的MapReduce編程思想，能夠利用所學(xué)的Java調(diào)用已封裝好C++的so動態(tài)庫完成車牌的識別，然后利用MapReduce完成對車牌的統(tǒng)計和對套牌車的識別。最后將在云計算服務(wù)器上其執(zhí)行。

在模式識別實踐教學(xué)過程中，可以采用的編程語言有C語言、C++語言、MATLAB語言、Verilog HDL硬件描述語言、JAVA語言、Python語言等。由于MATLAB編程語言將很多的模式識別算法中需要用的矩陣求逆、矩陣求特征值、神經(jīng)網(wǎng)絡(luò)等封裝成具體的函數(shù)，編程結(jié)構(gòu)簡潔明了，能凸顯模式識別算法及實踐教學(xué)的工程實用性，因此模式識別實踐教學(xué)以MATLAB編程語言為主，配合Java等編程語言練習(xí)。列入對于簡單的將人臉識別系統(tǒng)可以分解為：數(shù)據(jù)預(yù)處理、特征提取、分類器訓(xùn)練、分類識別等幾大模塊，在設(shè)計數(shù)據(jù)預(yù)處理部分，可以在MATLAB中通過imread函數(shù)直接讀取圖片并轉(zhuǎn)換為向量，在特征提取部分，可以采用eig函數(shù)直接獲取矩陣的特征值和特征向量，程序編寫簡單易懂。

設(shè)計精品實驗。模式識別課程是大數(shù)據(jù)挖掘、大數(shù)據(jù)可視化、云計算技術(shù)等課程的基礎(chǔ)課程，同時，也需要C語言、C++語言、MATLAB語言編程及Python編程語言的基礎(chǔ)。因此，可以考慮將基于云計算、大數(shù)據(jù)平臺的人臉識別、車牌號識別、語音識別等項目設(shè)計為精品實驗，可以將學(xué)生所學(xué)理論知識有機結(jié)合在一起，提高學(xué)生綜合運用所學(xué)知識解決工程實踐問題的能力。這為優(yōu)秀本科生留下足夠施展才華的空間，同時也為本科生的課外實踐、設(shè)計競賽、SRT項目申報和本科畢業(yè)設(shè)計提供貯備。

設(shè)計層次實驗。在模式識別的教學(xué)過程中，部分學(xué)生理論基礎(chǔ)較好，實踐動手能力較強，而大部分學(xué)生理論基礎(chǔ)較為薄弱，計算機編程能力不足，另外還有少部分學(xué)生，幾乎沒有編程能力。因此，考慮到模式識別實驗教學(xué)過程中學(xué)生的層次化特點，可以將模式識別試驗設(shè)計為層次化。例如，對于人臉識別的實驗教學(xué)，將實驗分成人臉圖像的讀取、PCA降維、K均值算法識別、貝葉斯分類識別、近鄰法識別、K近鄰法識別、線性判別函數(shù)識別和神經(jīng)網(wǎng)絡(luò)識別幾個部分。其中，人臉圖像的讀取、PCA降維給學(xué)生提供部分編程代碼，基礎(chǔ)比較薄弱的學(xué)生可以一邊抄寫一邊理解。對于基礎(chǔ)較好的學(xué)生可以綜合運用K均值算法識別、貝葉斯分類識別、近鄰法識別、K近鄰法識別、線性判別函數(shù)識別和神經(jīng)網(wǎng)絡(luò)識別，以提高最終的識別率。通過層次化實驗設(shè)計，可以鍛煉不同層次學(xué)生的實踐動手能力。

本文應(yīng)用大數(shù)據(jù)分析技術(shù)，對模式識別課程理論推導(dǎo)難易度、實驗課程重要性、課堂講授滿意度和課程設(shè)計合理性四個方面進行了統(tǒng)計分析，大部分學(xué)生認為模式識別課程理論推導(dǎo)較難，模式識別實驗課程重要，不到50%的學(xué)生認為模式識別課堂教學(xué)較為滿意，模式識別課程設(shè)計較為合理。并明確了模式識別課堂教學(xué)過程中學(xué)生難以理解的主要原因是學(xué)生理論基礎(chǔ)薄弱、學(xué)習(xí)過程中主動性不強、教師教學(xué)方法落后。本文結(jié)合大數(shù)據(jù)應(yīng)用技術(shù)，從課堂講授和實驗教學(xué)兩個方面對模式識別課程的教學(xué)方法和教學(xué)模式做出調(diào)整與改革，提出了解決模式識別教學(xué)過程中學(xué)生難以理解的問題。在課堂教授方面，提出了“虛擬化演示”教學(xué)、“啟發(fā)式”教學(xué)、“強化練習(xí)”教學(xué)的改革方式，以解決模式識別課程教學(xué)過程中學(xué)生難以理解的問題。在實驗教學(xué)方面，提出了精品實驗和層次實驗的教學(xué)改革方式，并將大數(shù)據(jù)、物聯(lián)網(wǎng)相關(guān)的項目融入到實驗中，解決模式識別實驗教學(xué)過程中教師實踐經(jīng)驗不足的問題。本文應(yīng)用大數(shù)據(jù)技術(shù)，對現(xiàn)有的模式識別教學(xué)模式與教學(xué)內(nèi)容需要做出合適的調(diào)整與改革，該改革方案對模式識別課程進行全方位的優(yōu)化建設(shè)與實踐具有重要意義。

參考文獻：

[1]?張學(xué)工.模式識別[M]. 北京： 清華大學(xué)出版社，2010：45.

[2]?SERGIOS T.?Pattern Recognition[M]. San Diego： Academic Press，2006：39.

[3]?張芳，肖志濤，韓曉軍，等.?模式識別課程教學(xué)改革思考[J]. 計算機教育，2012（4）： 45-47.

[4]?劉雨，孫即祥，余莉.?模式識別課程開放式案例教學(xué)設(shè)計[J].電氣電子教學(xué)學(xué)報，2011 （3）： 103-105.

[5]?戚玉濤，劉芳，焦李成.?模式識別教學(xué)實踐與課程改革[J].計算機教育，2010（19）：24-26.

[6]?吳有富，吳應(yīng)加.?信息分類中的一種模糊技術(shù)[J]. 貴州大學(xué)學(xué)報（自然科學(xué)版），2001 （1）： 9-15.

[7]?許道云.大數(shù)據(jù)計算的基礎(chǔ)理論探究[J]. 貴州大學(xué)學(xué)報（自然科學(xué)版），2016 （4）： 1-11

[8]?張偉，程穎.基于大數(shù)據(jù)技術(shù)的研究生教育管理系統(tǒng)構(gòu)建與應(yīng)用[J]. 貴州大學(xué)學(xué)報（社會科學(xué)版），2018 （2）： 134-138.

（責(zé)任編輯：趙廣示）