多類型案例驅(qū)動的研究生教學模式研究

宋丹 高櫻萍 王雅靜 劉洞波

[摘 要]針對目前研究生教學存在的理論知識偏多、教學模式單一、教學案例缺少的問題，課題組建立了文獻案例庫、算法案例庫與綜合案例庫，運用多類型案例庫驅(qū)動的教學模式，以提升研究生的科研創(chuàng)新能力，拓寬研究生的學術(shù)視野，增強研究生的學術(shù)素養(yǎng)，為其碩士階段的選題、課題研究與論文寫作奠定基礎(chǔ)。通過研究生的教學實踐，多類型案例教學促進了學生對專業(yè)知識的深入理解，并提升了其開展科學研究與創(chuàng)新思維的能力。

[關(guān)鍵詞]案例教學;研究生教育;教學模式;模式識別

[中圖分類號] TP391.4;G643 [文獻標識碼] A [文章編號] 2095-3437（2021）10-0115-04

“紡織服裝CAD技術(shù)及應(yīng)用”是我校紡織工程專業(yè)碩士點的一個研究子方向，而“模式識別及應(yīng)用”是該方向的關(guān)鍵核心專業(yè)課，是紡織工程領(lǐng)域與計算機領(lǐng)域的交叉結(jié)合。在學位點建設(shè)中，課程建設(shè)地位應(yīng)該進一步提高[1]。工程類專業(yè)碩士培養(yǎng)注重理論與實踐相結(jié)合，如何將教學與實踐相結(jié)合是這一類課程教學的重點。案例教學具有可視化、實踐性強、多元化等優(yōu)點，適于該類課程的教學目標與實踐要求。

由于研究生相關(guān)基礎(chǔ)知識水平參差不齊，課程內(nèi)容又比較抽象、生澀，為了提高教學質(zhì)量，在本次教學改革過程中，本課題組充分考慮了學生學習新知識的心理演變過程，認真研究教學內(nèi)容、教學方法等諸多方面，建立了文獻案例庫、算法案例庫與綜合案例庫等多類型的案例庫，力求在教授基本原理的同時，引導學生閱讀領(lǐng)域文獻、理解領(lǐng)域內(nèi)常用算法并圍繞綜合案例開展理論分析、設(shè)計與實現(xiàn)的全過程學習，為后期的選題、開題、設(shè)計與實現(xiàn)等研究階段打下堅實的基礎(chǔ)。

模式識別是通過分析感知數(shù)據(jù)（圖像、視頻、語音等），對數(shù)據(jù)中包含的模式（物體、行為、現(xiàn)象等）進行判別和解釋的過程，是根據(jù)對事物的數(shù)學描述，由計算機自動辨別事物的特征，從而做出判斷，并把事物進行分類。模式識別具體指對表征事物或現(xiàn)象的各種形式的（數(shù)值的、文字的和邏輯關(guān)系的）信息進行處理和分析，以對事物或現(xiàn)象進行描述、辨認、分類和解釋的過程，是指在一定量度或觀測基礎(chǔ)上將待識別的模式劃分到各自的模式類中去，它是信息科學和人工智能的重要組成部分。

雖然模式識別技術(shù)的發(fā)展歷史只有50余年，但它已經(jīng)廣泛應(yīng)用于專家系統(tǒng)、機器翻譯、圖像處理和機器人技術(shù)等領(lǐng)域。隨著人工智能技術(shù)對社會經(jīng)濟發(fā)展的影響不斷增大，模式識別相關(guān)課程不再是計算機專業(yè)獨有的專業(yè)課程，國內(nèi)外很多高校在自動化、紡織工程、智能交通等專業(yè)都開設(shè)了該研究生課程。

洪偉等[2]認為，從應(yīng)用角度看，模式識別類課程屬于人工智能、機器學習的領(lǐng)域;從學術(shù)內(nèi)涵角度看，它是進行數(shù)據(jù)處理、信息分析的學科。該類課程在縱向上與概率論、數(shù)理統(tǒng)計密不可分，在橫向上注重與數(shù)字圖像處理、紡織圖像處理等內(nèi)容相結(jié)合。該類課程對于鞏固已學知識、開展后續(xù)專業(yè)課學習及未來工作具有積極的指導意義。

在模式識別與紡織工程交叉領(lǐng)域，學者張海波等[3]提出為實現(xiàn)基于內(nèi)容的男西裝圖像情感語義識別，將男西裝圖像的低層特征映射到情感語義空間。學者應(yīng)樂斌等[4]針對棉/亞麻混紡織物，通過單纖維縱向顯微圖像，研究了纖維的自動識別方法，設(shè)計了基于支持向量機的分類器對測試集進行測試。學者杜磊等[5]利用多種自適應(yīng)閾值算法對目標和背景灰度值差異較大的織物疵點的檢測效果進行綜合比較，并詳細分析和比較檢測結(jié)果。學者張孝超等[6]針對人工測量針織物密度的方法存在耗時、不能連續(xù)測量的缺點，提出一種應(yīng)用空間域法對針織物圖像進行處理并得到其密度的方法。

一、多類型案例庫驅(qū)動的教學模式

“模式識別及應(yīng)用”是一門學科綜合交叉的課程，所涉及的理論知識較多，且對研究生的編程能力有一定的要求。為了提升研究生科研創(chuàng)新能力，拓寬其學術(shù)視野，增強其學術(shù)素養(yǎng)，我們在課程教學中主要是構(gòu)建了三個數(shù)據(jù)庫，分別是文獻案例分析庫、開題流程模式化以及構(gòu)建課程案例庫。文獻案例分析庫主要是為了提高研究生查閱文獻、分析問題、對問題定義的能力，為學生碩士論文的選題做準備;通過開題流程模式化，學生運用PPT匯報的形式來講述自己的論文，將“選題—開題匯報—討論與提升”的教學過程系統(tǒng)化、模式化，使其構(gòu)建新課題的能力得到有效提升。由于本課程是紡織工程與計算機的交叉學科，因此在選取課程應(yīng)用型案例時要考慮紡織工程領(lǐng)域背景，并結(jié)合計算機信息處理技術(shù)來選擇、處理與構(gòu)建，增強學生的問題分析與建模能力。

“紡織服裝CAD技術(shù)及應(yīng)用”是紡織工程領(lǐng)域與計算機領(lǐng)域的有機結(jié)合，而“模式識別及應(yīng)用”課程是該方向的關(guān)鍵核心專業(yè)課，其課程內(nèi)容能很好地代表兩個領(lǐng)域的交叉結(jié)合。

該課程建設(shè)不同于計算機專業(yè)的課程建設(shè)，其案例來源須考慮紡織工程領(lǐng)域與計算機領(lǐng)域的交叉結(jié)合。課題組在構(gòu)建常規(guī)的算法案例庫與綜合應(yīng)用案例庫外，還特別構(gòu)建了文獻資料分析庫與開題流程模型。多類型案例庫構(gòu)建框架如圖1所示。

二、多類型案例庫構(gòu)建

（一）文獻分析案例庫

考慮到學生為紡織工程碩士點研究生，本文主要以《紡織學報》（紡織學科國內(nèi)唯一EI源刊）等為刊源，以2010—2019年為時間段，從中選擇了10篇與之相關(guān)的文章來構(gòu)建文獻分析案例庫。閱讀時要求學生主要從論文的標題摘要、論文的結(jié)構(gòu)布局、論文的創(chuàng)新點以及結(jié)論等方面進行分析。

閱讀文獻是學術(shù)研究中很重要的一個部分，通過較廣層面的文獻閱讀，學生可以在閱讀中找到自己感興趣的研究方向，這對以后的自主選題有一定的幫助，也為后續(xù)研究課題的確立與進一步研究打下基礎(chǔ);通過較小領(lǐng)域的深層次的文獻閱讀，學生可以了解與學習研究小方向上的歷史發(fā)展和前沿動態(tài)，對自己所研究的課題所屬小領(lǐng)域有更深層次的理解。同時，學生閱讀文獻、分析論文結(jié)構(gòu)、了解論文的行文結(jié)構(gòu)，對其撰寫學術(shù)論文有很大的幫助。

（二）算法案例庫

算法案例庫的構(gòu)建主要包括算法簡介、主要源代碼、仿真實驗幾個方面。選取的算法主要是圖像分割、模式分類與識別等領(lǐng)域的相關(guān)算法，具體應(yīng)用到紡織服裝圖像分割與分類、織物疵點提取與分類、數(shù)字圖像分割與識別等領(lǐng)域。以紡織服裝圖像分割為例，其是根據(jù)一定的相似性準則將圖像劃分為不同區(qū)域的過程，這也是圖像處理中最困難的任務(wù)之一，分割的精度對最終計算機分析過程的成功率有直接影響。本文主要選取了聚類算法、Canny算法、改進Canny算法、Roberts算法、Soble算法等進行比較。

以Roberts算法為例，構(gòu)建的Roberts算法案例主要包含算法簡介、算法源代碼、算法仿真實驗處理對象與結(jié)果。

Roberts算子作為一階微分算子算法，其算法計算量小，對細節(jié)的反應(yīng)也較為敏感。它用對角線的差分來表示梯度， 是一種利用局部差分算子尋找邊緣的算子。從圖像處理的實際效果來看，邊緣定位較準，對噪聲敏感，適用于邊緣明顯且噪聲較少的圖像分割。Roberts邊緣檢測算子是一種利用局部差分算子尋找邊緣的算子。進行服裝圖像仿真實驗，如對圖2中的原始圖像經(jīng)過Roberts算子進行圖像分割后得到圖3，通過結(jié)果可以看出Roberts算子邊緣定位準確，但是處理后的圖像的邊緣不是很平滑。

（三）綜合案例庫

隨著我國經(jīng)濟的發(fā)展，出現(xiàn)了以計算機技術(shù)核心為支撐的各類智能系統(tǒng)，如構(gòu)建在機器視覺、圖像處理與模式識別的車牌識別系統(tǒng)已在交通執(zhí)法、場所出入、車輛定位與跟蹤等領(lǐng)域廣泛應(yīng)用，促進了系統(tǒng)效率的提升，展現(xiàn)出很強的實用價值。圍繞模式識別這一經(jīng)典案例，本課程構(gòu)建與設(shè)計了基于OpenCV的車牌識別系統(tǒng)。

基于OpenCV的車牌識別系統(tǒng)案例的綜合性較強，從分析車牌的結(jié)構(gòu)特征和目標區(qū)域的定位著手，主要流程包含：車牌圖像的獲取、灰度化、二值化、邊緣檢測、數(shù)學形態(tài)學處理、區(qū)域標記、車牌精細定位、垂直投影法車牌字符分割。

以關(guān)鍵環(huán)節(jié)車牌定位、字符分割與字符匹配為例，圖4給出了這些關(guān)鍵環(huán)節(jié)的流程圖。車牌定位：首先對獲取的車牌圖片進行預處理，包括灰度化、對比度增強以及二值化處理。為了快速定位車牌區(qū)域，本節(jié)采用邊緣檢測算法進行車牌定位，使用Sobel算子對目標區(qū)域確定邊緣，去排除一些干擾選項，最終準確定位車牌區(qū)域。字符分割：根據(jù)上一節(jié)定位后的目標區(qū)域圖像，對總計7個字符進行切割，切割后的單個字符圖像用于字符識別。本文采用的是根據(jù)水平投影法和垂直投影法去進行車牌字符切割的方法。垂直投影法確定粗略切割車牌字符，水平投影法進一步精細確定字符。字符匹配：利用當前比較常見的識別方法是便于理解且易實現(xiàn)的模板匹配算法和抗干擾性較強的神經(jīng)網(wǎng)絡(luò)算法。大量實驗證明模板匹配算法識別字符效果較好，而BP神經(jīng)網(wǎng)絡(luò)識別數(shù)字和字母效果較好。最終確定車牌第一個漢字字符識別采用模板匹配算法，后續(xù)六個字符識別采用BP神經(jīng)網(wǎng)絡(luò)算法。

三、教學模式實踐

針對2016—2018級紡織工程CAD子方向的研究生，我們在“模式識別及應(yīng)用”課程教學實踐中運用了多類型案例驅(qū)動的教學模式。這提升了學生的學習興趣，促進了科研素質(zhì)的培育。將文獻案例庫與學生自主選題進行PPT匯報相結(jié)合，我們對學生進行了選題—開題匯報—討論與提升的過程訓練，注重培養(yǎng)學生的選題能力，減少或避免出現(xiàn)方向上的選題偏差，拓寬學生的學術(shù)視野，增強其學術(shù)素養(yǎng);利用算法案例庫與綜合案例庫進行教學有助于學生提升分析問題、解決問題的能力，針對具體應(yīng)用領(lǐng)域問題，沿用提出問題—分析問題—構(gòu)建模型—設(shè)計算法—仿真實驗—反饋調(diào)整的模式，可加強學生建模與實際運用能力，并強化學生重視編碼、重視算法的設(shè)計與創(chuàng)新意識。多類型案例庫的構(gòu)建與運用，有助于提升研究生的整體研究水平，為其后續(xù)的選題、課題研究與論文寫作打下扎實的基礎(chǔ)。

通過調(diào)查和統(tǒng)計分析可以看出，“紡織服裝CAD技術(shù)及應(yīng)用”子方向的2016—2018級研究生的學術(shù)能力以及科研能力得到了較大提升，其查找、閱讀以及分析文獻的能力進一步得以深化，其撰寫論文的基本素養(yǎng)得到了培育。因此，本教學模式的實施具有較好的可行性與普適性，并在教學實踐中取得了較好的教學反饋，對學生學習課程內(nèi)容和提高總體科研水平有很好的幫助。表1列出了2016—2018級“紡織服裝CAD技術(shù)及應(yīng)用”子方向與紡織工程專業(yè)碩士點的科研信息統(tǒng)計情況，從表中對比可以得出：“紡織服裝CAD技術(shù)及應(yīng)用”子方向研究生在省級研究生科研創(chuàng)新項目立項率、專利人均立項數(shù)和論文人均發(fā)表篇數(shù)上均明顯優(yōu)于紡織工程專碩研究生的平均水平，表現(xiàn)出較好的科研能力與科研素養(yǎng)。

四、結(jié)語

模式識別是一門理論與實踐相結(jié)合的技術(shù)科學。我們在此類課程的教學過程中，應(yīng)積極推進課程建設(shè)，探索新的教學模式，將專業(yè)課程建設(shè)與研究生科研創(chuàng)新能力相結(jié)合，通過教學環(huán)節(jié)設(shè)計來有效提升學生對文獻的閱讀與分析能力、對前沿領(lǐng)域的認知與選擇能力、算法設(shè)計與實現(xiàn)能力，從而提升學生的科研創(chuàng)新素質(zhì)，為后續(xù)研究打下基礎(chǔ)。對于任課教師，通過該課程建設(shè)，能增強與完備教學素材和案例庫，提升教學方法與教學水平，促進課程教學質(zhì)量的提升。

[ 參 考 文 獻 ]

[1] 劉蘭英.合格評估視角下的研究生學位點內(nèi)涵建設(shè)[J].教育發(fā)展研究，2019（5）：66-73.

[2] 洪偉，劉富，田彥濤. 《人工智能》碩士課程教學改革的研究與實踐[J]. 教育教學論壇，2012（16）：152-153.

[3] 張海波，黃鐵軍，修毅，等. 基于神經(jīng)網(wǎng)絡(luò)的男西裝圖像情感語義識別[J]. 紡織學報，2013（12）：138-143.

[4] 應(yīng)樂斌，戴連奎，吳儉儉，等. 基于纖維縱向顯微圖像的棉/亞麻單纖維識別[J]. 紡織學報，2012（4）：12-18.

[5] 杜磊，李立輕，汪軍，等. 幾種基于圖像自適應(yīng)閾值分割的織物疵點檢測方法比較[J]. 紡織學報，2014（6）：56-61.

[6] 張孝超，李平，金福江. 應(yīng)用圖像空域法的針織物密度在線測量[J]. 紡織學報，2015（11）：138-145.

[責任編輯：鐘 嵐]

[收稿時間]2020-06-12

[基金項目]本文系湖南省研究生教育教學改革一般項目“模式識別及應(yīng)用課程改革的實踐與研究”的階段性成果（湘教通〔2019〕293號），并受湖南省研究生科研創(chuàng)新項目“基于改進 Canny 算法和BP神經(jīng)網(wǎng)絡(luò)的女裝圖分類與檢索系統(tǒng)”（CX20190962），湖南省研究生優(yōu)質(zhì)課程“計算機圖形圖像處理”（湘教通〔2019〕370號），教育部人文社會科學研究項目“知識圖譜與教育大數(shù)據(jù)協(xié)同驅(qū)動的自適應(yīng)學習模式研究”（20YJA880045）資助。

[作者簡介]宋丹（1976-），男，湖南長沙人，博士，副教授，研究方向：教育大數(shù)據(jù)、智能優(yōu)化建模與分析。