龙源期刊网httpwwwqika
comc
基于人工智能背景下的模式识别课程教学改革与实践
作者：张懿璞闫茂德常琪来源：《陕西教育高教版》2018年第11期
【摘要】模式识别作为人工智能的分支学科，其应用广泛且与生活联系紧密，受重视程度越来越高。本文针对模式识别课程教学状况及现存问题，从内容和方法这两大方面进行了改革尝试。
【关键词】模式识别教学改革教学内容层次化项目实例教学法
基金项目：2108年中央高校教育教学改革专项（研究生）资助项目“《模式识别》研究生高水平课程建设”（项目编号：300103183051）；陕西省教育教学改革项目“项目导向的自动化专业校企产学合作协同育人模式研究与实践”（项目编号：17BY023）。
随着经济和文化的不断创新改革，现代科学技术更是迅猛发展，尤其是计算机科学技术的进步，使得现代科学信息技术与人工智能已逐渐成为新时代重要的技术之一。作为人工智能重要的分支学科之一，模式识别是一门理论与实践相结合，综合性和理论性紧密相关的学科，也是信息科学和控制科学的重要组成部分1。其理论建立在矩阵论、概率论与数理统计等基础理论知识之上，其技术在人机交互、自动驾驶、工业制造、医学工程，以及基因技术等方面都发挥着重要作用。作为控制科学与技术领域重要的研究方向，高校开设模式识别相关课程，对提升自身科研实力，丰富学科课程体系，增强学生就业竞争力等都有着重要意义。
目前，在国内外众多课程设置中，模式识别既是信息和控制类专业的基础课程，同时又是众多科研或工程项目的关键技术。作为本科选修课程，模式识别课程教学的重点在于基础概念性知识，主要通过实例项目应用，加深学生对基础理论的理解，同时将前沿项目引入课堂，从而激发学生学习兴趣，吸引更多人加入相关专业进一步学习。
现存的教学问题
由于模式识别课程的基础是矩阵论、数学分析、概率论等理论性非常强的数学课程。因此，在教学过程中需要进行大量的证明推导，这种情况导致理论与实践联系相对薄弱，使得教学氛围失去活力，学生听课困难没有兴趣，教学效果不理想。而理论知识本身较为抽象不够具体，这就使得学生在课堂上常常难以联系实际问题，在遇到实际项目时手足无措。就此来看，如何带动学生对模式识别课程的学习热情，让学生理解和有效掌握模式识别课程的基础知识，以及将理论与实践有效结合并加以应用，仍是当前模式识别教学亟待解决的难题。
f龙源期刊网httpwwwqika
comc
除此之外，随着人工智能和数据挖掘等r