作者：刘爽　李梅　张重
　　【摘要】模式识别用于处理智能信息，主要研究领域是分类识别。提出教学改革的目的是为了解决目前模式识别教学中存在的一系列问题，使学生对知识不再是囫囵吞枣，而能够举一反三。通过教学改革，学生可以很容易的了解并接受新知识，教学效果颇为令人满意。
　　【关键词】模式识别 研究型 教学改革
　　【基金项目】基于研究型教学的数字图像处理教学改革探讨，项目号：JGYB01217042；天津师范大学“青年科研拔尖人才培育计划”，项目号：135202RC1703。
　　【中图分类号】TP391.4-4 【文献标识码】A 【文章编号】2095-3089（2018）20-0223-01
　　模式识别的目的是确定一个样本的类别属性（模式类），即以最小的误差对目标进行分类。模式识别是一门以应用为基础的课程，涉及到多个相关学科，如数学、人工智能、图像处理、计算机视觉等等。针对传统教学过程中存在的问题：教学方法单一、授课内容缺少对最新研究成果的介绍、对创新能力的培养缺乏有效方法、对学生的评价不够全面，我们提出对模式识别教学进行如下几个方面的改革，使学生在学习本课程后，能编程实现简单的模式识别算法，明白模式识别的具体操作实现，了解热点问题和发展趋势。
　　1.教学内容改革
　　“模式识别”课程共计51学时，学习这门课程需要学生有扎实的数学基础。为避免学生本末倒置，将学习重心放在数学分析上，而对应用的理解不够深入，我们对贝叶斯决策理论、设置9学时，对概率论相关知识、线性代数相关知识、贝叶斯决策理论的实际应用、贝叶斯网络、介绍贝叶斯网络分别设置3学时，以点带面，鼓励学生自主探索，做到融会贯通。
　　对于模式识别专业知识的介绍，我们采用循序渐进的方式，介绍人类认知过程与机器认知过程。帮助学生正确区分模式识别与模式，先介绍模式识别系统的整体框架并分析各个部分的主要目的与实现方法，然后介绍其应用范围。列举模式识别在实际应用中的实例，如测量体温、血压、心率、血液化验、车牌识别、语音识别、文字识别、目标识别等，使学生对模式识别的认识由抽象上升为具体。接着介绍Bag-of-words（BoW）这一典型的模式识别方法。主要介绍BOW模型的应用场景、基本思想、基本步骤、优缺点等，使学生掌握BoW模型的基本步骤，尤其是编码和池化；要求学生会使用k-means算法生成一个字典。另外还会介绍的是局部二值模式（LBP）。LBP有多种形式，除了传统的模式之外，还有几种演进模式。要求学生自主查阅资料，理解这些模式之间的演进关系并掌握他们的计算方法，掌握其应用场景。
　　在特征提取过程中，特征维数有时会很大，這样很容易使模式识别结果变差。针对这一情况，我们引入PCA（principal component analysis）和LDA（linear discriminant analysis）这两种有效方法用于降维，详细介绍他们的原理、步骤、优缺点。
　　此外，我们还会讲解典型分类算法的基本思想及应用场景，重点讲解最近邻分类及支持向量机分类器（SVM），使学生了解分类器的作用，并能根据实际情况选择恰当的分类器，了解SVM的基本思想及三大特点：最大间隔、核方法及松弛变量。
　　2.教学方式改革
　　在这门课程的教学过程中，我们力图避免传统教学过程中的教师讲课，学生一味记笔记，师生之间缺少互动、学生之间缺少互动的情况。我们带领学生阅读 A Completed Modeling of Local Binary Pattern Operator for Texture Classification等经典论文。将学生2-3人分为一组，分享他们阅读这些经典论文的想法，并能对BoW和LLC、LBP和CLBP进行比较，发现异同以及各自的优缺点。使用MARLAB仿真软件运行BoW、LLC、LBP、CLBP代码，理解他们在实际情况中的处理过程以及代码实现方式。鼓励学生发散思维，能够提出新颖的想法，并在原有的代码基础上修改实现。最后，提交一份实验报告。
　　3.考核方式改革
　　模式识别的学习需要投入大量的时间和精力，开设本课程是让学生对模式识别技术的整体概貌有一定程度的了解，知道其主要应用和发展方向，同时掌握最基本的概念、算法原理和技术方法。本课程的考核分为两大部分：平时成绩和期终考试成绩。其中，平时成绩占60%，以学生的综合表现给与评定，包括出勤率、作业完成情况、课堂发言、综合实践能力、团队协作能力等。期末成绩占40%，主要考核学生对所学知识的掌握情况、查询资料的能力还有创新能力。
　　模式识别是一门涉及面比较广的学科，开展教学改革是明智之举。目前，教学改革已初步实施并取得了比较明显的教学效果，我们期待可以最大化的挖掘出学生的潜能，培养出具有创新思维的学生。