面向工程教育认证标准的“模式识别”课程教改研究

袁立

摘要：模式识别课程是模式识别与智能系统专业及相关专业的一门核心基础课程。本文针对自动化专业工程教育认证标准，对该课程的授课方法与实践教学环节进行了深入探索和研究。同时，本文还从教学内容、教学方式、实验平台设计等三个方面进行了课程教学改革的探索。

关键词：模式识别；自动化专业工程认证；项目教学法；自主学习实验平台

中图分类号：G642 文献标志码：A 文章编号：1674-9324（2017）45-0088-02

工程教育专业认证是国际通行的工程教育质量保证制度。我国于2013年成为国际本科工程教育学会互认《华盛顿协议》的成员，意味着能够为工程教育类学生提供具有国际互认质量标准的“通行证”[1]。工程教育专业认证以学生为首要服务对象，以学生学习成果为导向，强调合格评价与质量持续改进[2]。本校自动化专业已于2015年通过了工程教育专业认证。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。本课程主要讨论统计模式识别的分类和识别基本原理、方法，同时要求学生掌握统计模式识别的基本概念、基本识别原理和方法，了解其发展动态，有效地运用所学知识和方法解决实际工程问题[3]。随着现实生活中与机器学习相关的实际应用的逐渐增多以及对其智能程度的不断提高，就导致对模式识别基础知识的理解在广度和深度上的要求不断提高[4]。本文认为，自动化专业工程教育认证标准对本课程提出了一些学生学习后应能达到的具体要求，如下所述：（1）能够选择恰当的模型，描述一个自动化复杂系统或者过程，对模型的正确性进行严谨的推理，并能正确求解，以获得有效结论。（2）能够基于科学原理并采用科学方法，针对自动化专业领域的复杂工程问题进行数据分析与解释。（3）能够选择与使用恰当的Matlab等现代工程工具，进行包括预测与模拟的自动化专业领域复杂工程问题的分析、开发与研究工作，并能够理解其局限性。

一、当前教学模式的问题分析

模式识别课程属于机器学习领域，课程的内容涉及到概率论、数理统计、数字图像处理、信号处理等相关课程。在学习模式识别原理和方法时会牵扯比较繁杂枯燥的数学推导，可能会导致这部分的教学时长多于对模式识别核心内容的讲授时长，从而使得学习重点偏移到数学分析上。这种本末倒置的情况需要进行转变，使学生真正理解模式识别系统中的关键知识点，并进一步掌握其理论和方法。从实际应用方面讲，基于图像的模式识别问题是实际工程项目的应用热点，也是当前许多科研机构的研究热点，例如钢铁流程工业中钢板的表面质量检测、钢板的长度和宽度检测、智能交通中的车辆行人检测问题、视频监控中的人脸识别问题等。对于基于图像的模式识别问题，能够熟练掌握其处理方法和技术可以为学生未来从事相关工程活动打下良好的基础。但目前的模式识别课程的重点内容仍集中在一些比较基本的知识点上，如贝叶斯理论、线性判别、近邻法等，对近年来从实际工程应用各种衍生出来的一些新颖实用的识别原理和方法介绍甚少，如压缩传感与稀疏表示理论、深度学习等。

二、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，本文从与时俱进的教学内容、结合工程项目的教学方式、自主学习实验平台设计等三个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。

1.教学内容改革。在教学内容的安排上，精选教学内容，确保教学内容的相对稳定与先进性。（1）优化传统教学内容，提炼精品内容进行重点讲授，如模式识别中的决策面和决策方程、有监督学习、无监督学习等；引入最新的模式识别理论与方法，如统计理论与支持向量机、流行学习理论、压缩传感与稀疏编码理论、深度学习等前言知识。（2）在重要知识点（如特征提取、分类器设计）的讲解过程中，尽量简化烦琐的数学推导过程，提炼主要步骤并阐述数学结果所蕴含的物理意义。（3）增加实际工程应用的介绍，尤其是基于图像的模式识别应用案例，如生物特征识别、视频监控目标跟踪与识别、工业无损检测等，以提高学生對模式识别技术的学习兴趣。同时也能够增强学生对相关横向课程（如数字图像处理、矩阵理论、概率论）中的知识点有着更深层次的理解。针对自动化专业工程教育认证标准提出的三点要求，与本课程内容的对应关系如下：针对要求1：主要体现在能够灵活运用课程涉及的特征提取与选择、分类器的设计方法等知识点构建模式识别系统。能够针对实际模式识别系统的需求，选择合适的特征提取与分类器方法，并对系统的性能进行合理评价和分析。针对要求2：主要体现在了解模式识别技术的发展现状和发展方向，同时通过分类器的设计和模式识别案例分析，了解模式识别方法在自动化专业有关数据分类和识别领域的应用现状，并通过分类器设计实验对数据进行分析和解释。针对要求3：主要体现在用Matlab语言完成实验教学环节；针对实验报告的要求，能运用现代信息技术工具查阅资料，收集相关实验方案，并根据分类器的设计原理完成分类器的程序编制，能够根据识别结果对算法的特点进行总结。

2.教学方式改革。在教学方式上，设计以实际工程问题为导向的研究型教学法。通过实践学习来激发学生更大的积极性与主动性，并使他们认识到所学的知识是有用的，使学生觉得有能力胜任未来工程师的角色。（1）改变常规的授课方式，即先介绍关键知识点的理论基础和流程，然后给出计算类型的例题，或者通过课后练习和作业的形式让学生掌握课堂介绍的理论和方法。通过实例先导引出重要的模式识别原理与方法，即通过实际工程问题为例子引出要学习的内容，如通过根据长度和光泽度等数值特征识别鲑鱼和鲈鱼的例子引出贝叶斯决策理论，通过肤色分割引出无监督学习，通过人脸识别引出特征提取，通过鸢尾花的分类引出特征选择问题等。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。（2）重要知识点学习完毕后，学生以团队形式完成相应的实际应用项目，利用MATLAB语言编程实现，并在课堂上进行口头报告。通过项目实践帮助学生回顾所学知识，提高其分析和解决实际问题的能力，另外通过团队方式也能够训练其团队合作和理性表述等工程师所必备的能力。

3.自主学习实验平台设计。在实验环节上，设计模式识别自主学习实验平台。以往的模式识别实验内容只是利用贝叶斯决策理论和Fisher线性鉴别法进行简单的两分类问题，对于学生理解和掌握实用的模式分类问题的解决方法发挥的作用比较有限。模式识别自主学习实验平台包括：（1）典型模式识别系统演示模块：包括人脸识别、图像分割等经典应用，每个子模块设有原理介绍和仿真演示等功能。（2）自主实验设计模块：学生可以在典型演示模块的基础上设计实际工程应用实验，如车牌识别、文字识别、步态识别、行人识别等，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（如主元分析法、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。学生可以以团队工作的方式完成自主实验的设计与实施。

三、结语

本文在工程教育自动化专业认证标准下，探讨了如何对传统模式识别课程在教学内容、教学方式、工程实践等方面进行改革。在后续的教学过程中，还要以学生为本，跟踪每个学生的学习环节、实践环节等过程进行监控和质量评价，同时建立学生后续跟踪反馈机制，如统计学生参与SRTP创新创业项目的参与度、学生发表学术论文的情况等，用以对课程培养目标的达成度进行定期评价，并将所有评价的结果用于课程的持续改进中。

参考文献：

[1]中国工程教育专业认证协会秘书处：工程教育认证工作指南（2016版）

[2]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.

[3]Richhard O.Duda.模式分类[M].机械工业出版社，2003.

[4]蔡宣平，余莉，刘雨，罗鹏飞.模式识别课程的研究型教学[J].电气电子教学学报，2014，36（5）：82-84.