以培養學生科研能力為目標的模式識別本科教學

馬麗?侯強

摘要：培養本科生科研能力是社會發展對高校人才培養提出的必然要求。模式識別既有嚴密的理論基礎，又有廣泛的實際應用，是一個不斷發展的活躍領域，其作為高年級本科生課程，通過科學的教學設計，適合用來培養學生的創新思維和科研能力。教學采用以實際模式識別科研任務為主線和以啟發科學思維為核心的教學方法，培養學生獨立分析問題、解決問題的能力，為以后進行相關科學研究打下良好基礎。

關鍵詞：模式識別；本科教學；科研能力

中圖分類號：G642.0 文獻標識碼：A 文章編號：1007-0079（2014）36-0133-02

具備初步的科研工作能力是本科生重要的學業標準，培養本科生科研能力是社會發展對高校人才培養提出的必然要求[1]。模式識別是一個既有著嚴密的理論基礎，又有著廣泛的實際應用的學科[2-4]，并且模式識別的發展非常迅速，各種新思想新算法不斷涌現，任何算法都不是完美的，都有很多工作可以繼續，因此，模式識別課程可以很好的用來培養學生的科研能力和創新思維。針對培養學生科研能力的教學目標，本課程的教學重點是理論與實踐相結合，以具體科研任務貫穿整個教學過程，引導學生積極思考，啟發學生科學思維。

隨著模式識別學科的日益發展，模式識別的教學也從研究生教學逐漸延伸到本科教學[5]。對于培養高年級本科生科研能力這個目標，我們采取以下三種方法：一是授課方式選擇幾種經典的模式識別算法來講，包括k均值聚類（k-means）算法；k近鄰（k-nearest-neighbor， kNN）、Bayes、和支持向量機（Support Vector Machine， SVM）三種有監督分類算法；主成分分析（Principle Component Analysis， PCA）和線性判別分析（Linear Discriminant Analysis， LDA）兩種特征提取算法。這幾種經典的算法，能夠很好的代表模式識別這門課程。掌握好這些算法，就可以較快較好的適應模式識別相關課題的研究。二是采用以實際模式識別科研任務為主線的教學方法，學生帶著具體的科研任務聽課，更容易理解復雜算法，提高聽課效率；實踐環節也都圍繞同一個科研任務，便于前后關聯，比較不同算法。通過獨立完成科研任務，學生的文獻閱讀能力，編程能力，分析問題、解決問題的能力，都可以得到鍛煉和提高。三是注重引導學生積極思考，培養學生的創新思維，將知識灌輸為主的教學方法轉變為以啟發科學思維為核心的教學方法。在授課和實驗過程中，有意識的提出科學問題，先給出幾種可能的解決方案，擴展思路，然后引導學生自己思考解決方法，培養學生獨立思考的意識，克服人云亦云的傾向。

一、模式識別教學內容

模式識別作為高年級選修課，我們安排16學時上課時間，以及16學時上機時間，給學生留出充分的自主完成科研任務的時間。模式識別主要討論的問題是分類和特征提取，其中分類主要包括無監督分類和有監督分類，特征提取也有無監督和有監督之分。所以，對于每一個關鍵問題，我們都選擇最經典的算法來講授：對于無監督分類，選擇k-means算法；對于有監督分類，選擇Bayes分類器，kNN分類器，以及SVM分類器；對于無監督特征提取，選擇PCA算法；對于有監督特征提取，選擇LDA算法。另外，課程最初4個學時，用來介紹模式識別基礎概念，講授相關的數學基礎，以及介紹具體的模式識別科研任務，即遙感圖像分類，講解遙感圖像的數據特點。

對于16學時上機實驗安排，我們圍繞遙感圖像分類任務，布置四次作業，第一次實驗是認識遙感圖像，學會使用ENVI軟件。第二次實驗是使用MATLAB實現k-means算法對遙感圖像進行聚類，重點分析初始類心的選擇，迭代終止條件，相似性度量方法的選擇等關鍵問題。第三次實驗是使用MATLAB實現kNN分類，分析參數k的選擇以及相似性度量方法的選擇。第四次是實現PCA或LDA降維，并對降維數據采用kNN分類，然后與第三次實驗結果做比較分析。四次上機實驗，都針對遙感圖像分類這一科研任務，既可以采用最基本算法，又有很大的算法改進空間，適合不同層次學生的科研能力的培養。

二、以實際模式識別科研任務為主線的教學方法

模式識別是一門實用性很強的課程，每種算法都有很好的應用實例，我們以具體的科研任務貫穿整個教學過程?？蒲腥蝿者x擇為“遙感圖像分類”，目標是獲得好的圖像分類精度。這個課題可以采用簡單的模式識別分類算法完成，但是分類精度可能不高，所以學生可以通過文獻閱讀、實驗仿真等方式尋找提高圖像分類精度的方法，這個科研任務既易于著手，又有很大的發揮空間。

1.授課環節

我們把具體科研任務“遙感圖像分類”貫穿在整個授課環節，這樣學生更容易理解復雜的公式和算法。每次授課，首先重復并明確科研任務，然后講解本次課所講授算法對完成科研任務所起到的作用，并對于每一個抽象的公式，結合科研任務中的具體實例進行講解。例如Bayes分類器，對于公式中先驗概率的計算，假設遙感圖像只包含兩類地物，分別是水和草地，其中水域占圖像場景的70%，草地占圖像的30%，那么先驗概率就是地物存在的比例，所以水存在的先驗概率為0.7，草地存在的先驗概率為0.3。Bayes公式的概率表達很抽象，但結合遙感圖像分類任務，講解公式中每一項如何求解，學生就能較容易理解并學會使用該公式。以具體科研任務為主線，所講解算法不會停留在抽象的公式層面上，而是看到公式，就可以通過實例來把握公式中每一項的物理含義。

2.實踐環節

實踐環節對于培養學生科研能力非常重要，通過實驗，學生可以更深刻的理解算法，并進行思考和探索，以解決實驗中出現的問題，更好的完成科研任務。四次上機任務全部圍繞“遙感圖像分類”，互相關聯，逐步深入。第一次上機采用ENVI軟件中已有算法進行分類，對不同算法的分類效果有直觀認識和性能比較，后面上機任務就是自己用MATLAB編程來實現這些算法（不是直接調用MATLAB工具箱函數直接實現[6]）。第二次和第三次分別對遙感圖像進行k-means聚類和kNN分類，通過這兩次實驗，學生可以體會有監督分類算法的分類效果優于無監督分類算法，認識到訓練樣本的重要性。第四次進行PCA或者LDA降維，可以體會降維對于分類的作用，并且，通過PCA和LDA的比較，可以認識到，一般情況下，有監督的降維算法得到的降維數據，相比較無監督算法得到的降維數據，具有更好的可分性能。四次上機，面向同一個任務，能夠更好的理解和比較不同算法的作用和性能。并且，實驗中我們要求學生對算法參數進行分析，以更深刻理解算法對于參數的敏感性，學生在這個過程中可以學習到該如何全面的評價一個算法，這些都是進行科學研究的必要環節。

三、以啟發創新思維為核心的教學方法

我們將創新思想有意識的貫穿于教學過程始終，引導學生積極思考，培養學生發現問題，思考問題，解決問題，并提出新思想，新方法的能力。對學生創新思維的培養體現在以下幾個方面。

1.對已有科研成果的學習和評價

閱讀文獻是科學研究的重要環節，這個過程是一個學習、積累、思考、創新的過程。我們要求學生自己檢索并閱讀文獻（包含一篇英文文獻），在閱讀過程中思考：每篇論文主要使用什么算法實現什么任務？論文有沒有對算法做出改進（為什么改進，原算法存在什么問題，改進方法是什么）？論文中做了什么對比試驗，實驗結論是什么？論文還存在什么問題或者缺點？論文所作出的改進策略是否好？你自己對算法有沒有什么改進的想法？通過這樣的思考，可以有效引導學生對已有科研成果進行學習和評價，并在這個過程中提出自己的想法，培養創新思維。

2.改進型創新思維的培養

對已有方法存在的問題進行改進，以提高算法性能，屬于改進型創新。在模式識別領域，任何方法都不是完美的，授課過程中要引導學生思考影響算法性能的因素有哪些，算法可以從哪些方面進行改進？例如k-means聚類算法，第一步是隨機選擇K個類心，第二步是最小距離分類，第三步是判斷算法是否收斂。對于這個算法，引導大家思考，每一步存在什么問題？對于第一步，隨機選擇初始類心，那么隨機選擇是否會得到不同的聚類結果？算法的穩定性是否受到影響？有什么方法可以得到更好的初始類心？對于第二步，主要采用最小距離分類，那么距離度量方法如何選擇？第三步對于收斂的判斷，采用什么準則更好？這些都是算法存在的問題，在這些方面都可以對k-means算法進行改進。這個過程，重點引導學生如何提出問題，并從哪些方向可以分析和解決問題。

3.結合型創新思維的培養

將兩種或者多種方法結合起來，以達到更好的分析精度，屬于結合型創新。在第四次實驗中，先對數據進行PCA或者LDA降維，然后對降維數據進行kNN分類，這就是降維算法和分類算法的結合。與第三次實驗結果進行比較，學生可以體會到無監督的PCA算法和kNN算法結合，無法提高分類精度，而有監督的LDA算法和kNN算法結合，就可以提高分類精度。通過實際訓練，培養學生多種方法相結合的創新思維。這種創新思維的建立，需要有較為完備的理論基礎，是本科生所缺乏的，所以要鼓勵學生多學習新方法，并多閱讀文獻，學習尋找算法結合點。

4.應用型創新思維的培養

將一個領域的已有知識和方法有效的應用到另外一個領域，屬于應用型創新，是比較難的創新，需要對兩個領域的知識都有好的掌握。模式識別課程中有較多這樣的成功實例，例如Bayes分類器，就是概率論中學習過的Bayes公式，引導學生思考，算法是如何建立橋梁，將公式中每一項賦予特定的物理意義，并將公式應用到遙感圖像分類中的。對于培養本科生的應用型創新思維，要多分析實例，在實例中帶領學生積極思考。

四、結語

模式識別是一門理論性和實用性都很強的課程，作為一門高年級本科課程，我們以培養學生的科研能力為目標，采用理論與實踐相結合，以具體模式識別科研任務貫穿整個教學過程，并以啟發科學思維為核心的教學方法，提高學生的科研能力和創新能力。實踐證明，學生在學習過程中，改變了問題具有唯一正確答案的思維模式，積極思考各種解決問題的方法，體會到了科研的樂趣，提高了獨立分析問題、解決問題的能力。

參考文獻：

[1]姜長寶.本科生科研能力培養的途徑與方法探討[J].科技管理研究，2010，（8）：152-154.

[2]孫即祥.現代模式識別[M].第二版.北京：高等教育出版社，

2008.

[3]邊肇祺，張學工.模式識別[M].第二版.北京：清華大學出版社，

2001.

[4]楊淑瑩.模式識別與智能計算：Matlab技術實現[M].第二版.北京：電子工業出版社，2011.

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

[6]楊勃，歐陽竟成，潘理.Matlab在“模式識別”課程教學中的應用研究[J].中國電力教育，2012，（34）：63-64.

（責任編輯：劉麗娜）