摘要：在授课过程中教师应当了解学生在模式识别课程中的满意程度，针对难点加以解析，并分析学生难以理解的主要原因。本文主要在大数据技术基础上，对模式识别课程教学进行分析，阐述教学方法与课程调整、改革，不断提升教学质量，满足学生学习需求。

关键词：大数据;模式识别;教学改革

前言：模式识别即通过计算机收集原始数据，并对其进行预处理、特征提取、分类器等设计，以保证分类错误率较低，符合物理对象的基本特征。在教学过程中，很多学生难以理解模式识别课程的数学思想，教学质量一时间难以突破。近几年，采用的大数据技术从课程内容与教学模式上进行了改革，具有重要意义。

一、大数据技术的模式识别课程分析

在长期的实践教学中，在课程理论难易程度、实验课程重要性、课程满意程度、课程设计合理性等方面，对学生进行了长期的询问与意见征集。在授课过程中，利用监控视频获取学生听课状态的数据，在学生作业完成情况方面也进行了数据的统计。

结果表明，75%以上的学生都认为模式识别课程较难，但能够认可课程的设计，能够意识到该门课程的重要性。认为教师在授课体系的创新方面还需要进一步提升，且缺乏相关工程训练项目。可见，在大数据技术的背景下，模式識别课程教学还应当进一步提升大数据相关核心的课程，以促使学科与技术的融合[1]。

二、教育改革路径分析

（一）理论与学术并重

扎实的理论是课程改革的前提，是加深学习内容的基础。在确定教学内容的过程中，应当将重点落实在教材的选择与参考书的选择方面。在模式识别课程的教学过程中，多选择《模式识别》第三版教材，该书由清华大学的张学工教授编写，对模式识别领域的相关知识进行全面且系统的概括与表述，且其中还引进了很多较为新颖的理论，内容循序渐进，由浅入深，值得推荐。同时，配合该本教材，可结合《Pattern Recognition and Machine Learning》和《机器学习》等书，与教材之间形成密切的补充，加深课程内容的深度，拓展课程内容的广度。

同时，在教学过程中要积极引入研究领域的前沿信息，在扎实的理论基础之上，结合学术界正在探讨的前沿问题，使得课程与实际研究的内容完美契合，保证学生在具备扎实理论的基础上，可以掌握这些理论的实践方式，在日后的学习中具备良好学习思路与科研思路。利用研究前沿带动学生创新能力，也是一种重要的教学模式，符合当前教学发展的方向。在实践教学中，发现当前研究的热点问题主要包括以下几种类型，将研究的问题与教学内容结合起来，采取课前给出参考资料进行预习、课中探讨与课后分析总结的教学方式，以不断培养学生的创新能力，可以起到良好的教学效果。具体类型如下：

背景重构、图像检索、人脸识别、鲁棒特征选择、车牌照识别、生物特征识别六种技术。在教学中发现，很多学生对参数与非参数概率密度估计的相关知识理解起来有一定的难度，认为该知识较为抽象，学习起来较为困难。但在背景重构技术中，对以上两技术的应用有非常生动的案例，且还在继续研究与探讨的过程中，适合在课堂中进行研究与探讨。在探讨的过程中，引导学生对上述两知识点的理解，使得学生了解到理论与实际问题联系起来的学习方法，提升学生创新能力。在模式识别课程中，特征选择与提取学习起来较为困难，尤其在表述时存在一定难度。因此，在学习过程中利用图像检索技术来分析，利用鲁棒特征选择技术加以探讨，展示，学习如何利用处理方法来发现更好的特征表达。在教学过程中，针对遗传算法、神经网络等多个知识点，都可以采取结合研究领域的前沿知识进行讲解。

（二）创新授课方式

在授课过程中，利用视频的形式来演示模式识别相关应用，如人脸识别、指纹识别、ETC等相关方面。通过视频的方式能够更直观的将所有知识展现在学生面前，利用与生活实际贴近的案例，让学生了解到模式识别与生活之间的联系。从心理上接受模式识别课程，从而在学习过程中不断建立起理论与实践结合的学习理念，加强对抽象知识的理解能力。在讲授K均值聚类分析时，可以将图像分割与理论知识结合在一起，利用编程演示均值算法的图像分割过程，将分割结果分步骤呈现出来，帮助学生深入理解该算法的基本原理。

同时，在授课时，要充分发挥现代化教学的优势，改善授课质量，吸引学生兴趣。传统板书教学已经无法适应学生的学习需求，甚至会打压学生积极性。因此，多引入媒体教学，以改善压抑、无趣的课堂氛围。其中，PPT的使用有明显优势，在课件中嵌入链接，加入动画，以动态的形式来吸引学生兴趣，理解理论知识。例如：在制作ppt时，将视频链接加入其中，通过视频将当前研究领域中较为热门的技术展示给学生，以提升其对学习内容的兴趣，并激发学生对科研成果的研究意识。而后，采用，ATLAB软件搭建各种识别界面，分成步骤依次演示给学生，以帮助其将抽象的识别算法变为具象，印在自己的脑海中，将课堂上枯燥的知识点变得更加生动、有趣[2]。

（三）加强实践操作

在模式识别教学过程中，实验教学环节十分重要，能够锻炼学生的编程能力，以及利用相关理论知识解决实际问题的能力。当前，在实践教学环节中需要增加教学时长，并选择合适的实验教学内容。

通常情况下，模式识别教学的时长为36学时，但其中30个学时都用在了课堂理论知识教学过程中，只有6个学时作为实践教学，学生很难将所学知识运用在实践中，也无法实现熟能生巧的目的。因此，在实践教学中应当将实验课集中起来，并利用课余时间来增加实践学习的时长。另外，在课堂上所学的理论知识，可以结合真实案例展开教学，以节省实践教学原理知识的讲解时间。

而在实践内容选择方面中，不仅要选择人脸识别等经典的案例课题，还要选择与大数据相关的，科技前沿的课题。如利用MapReduce思想，编写的车牌识别程序。结合城市监控图片对车牌识别的真实案例，展开实践教学。这样，学生不仅能够学习到模式识别理论知识，更能够了解到理论与实践结合的方法，久而久之将树立这种学习理念，并将其运用在日常学习中。在教学过程中，还应当在案例基础上进一步的延伸与深入，如利用应学习的相关知识，完成车牌统计、套牌识别相关实践的操作，最后在云计算服务器上展开。同时，可采用编程的方式，学习神经网络、矩阵求特征值、矩阵求逆等相关知识的学习，凸显出模式识别与实践教学之间的特有关联性。

结论：综上所述，在大数据技术背景下，模式识别课程的改革与创新要从理论技术、科研领域、授课方式、实践教学几个方面展开，以提升学生学习理解理论知识的能力，提升学生利用理论知识展开操作，进行实践的能力。最终，实现模式识别课程的创新与改革，提升授课质量。

参考文献：

[1]李二珠，康建荣，张莲蓬.卫星+AI时代遥感专业模式识别课程的教学实践与改革[J].测绘通报，2021（02）：157-160.

[2]周雪，姜书艳，凡时财，等.基于图像的“模式识别”课程创新实践教学改革与探究[J].工业和信息化教育，2020（08）：42-46.

作者简介：

姓名：钟闰禄，出生年月：1979.06，性别：男，民族：汉，籍贯：广东海丰，工作单位：广州番禺职业技术学院信息工程学院，职称：讲师，研究方向：模式识别、区块链。