地方高校研究生模式识别课程教改实践

采用实证研究分析广西某高校模式识别课程的教学现状发现,存在诸如学生学习兴趣不浓、教学方法落后、学习效果较差等问题,究其原因,有课程难度较高、教学方法单一、学生数学基础较差等因素。为此,提出了监督式任务驱动、开放式案例设计、虚拟教学平台建设等改革方案。实践表明,这些举措有效地提高了学生的学习兴趣和学习效果。     

结合模式识别课程建设,探索人才培养改革模式

针对模式识别课程实际教学中存在的重理论、轻实践等问题展开讨论,指出应针对模式识别理论部分、实践部分、考核部分和教学手段进行教学改革,在此基础上提出组织学科骨干设计课程内容、加强实习和实践教学环节、分层次安排教学计划、加强师资队伍建设等一系列模式识别课程教学改革的具体实施措施,旨在探索适合经济发展和社会需要的智能科学与技术专业人才培养模式。     

模式识别教学实践与课程改革

本科模式识别教学由于学生的数学基础有限而面临着两难的境地。结合教学实践,将模式识别的教学内容划分为基础型和前沿型两类,并针对两种类型提出弱化公式推导强调物理含义的教学思路。为了提高学生的学习兴趣,加深理解,提出实例先导教学方法;同时从培养学生实践能力和科研兴趣的角度给出了一些有益的建议。     

模式识别课程的教学实践与改革思考

针对模式识别课程教学中普遍存在的"学生难学、教师难教"现状,分析其问题症结,并以对课程进行全方位优化建设作为指导思想,分别从教学内容和教学方法上,立足模式识别课程的课堂教学与实践教学两个方面提出相应的教学改革观点。     

模式识别课程教学改革实践

提出一种基于研究前沿牵引的创新能力培养教学模式,介绍具体改革思路,说明教学改革实践结果。     

研究生人工智能原理优质课建设与实践

结合人工智能原理课程及研究生教学的特点,本文从课程建设过程、建设内容、应用情况等方面阐述人工智能原理优质课建设情况,提出包括课程内容选定、教学方法设计及研究生学术能力培养等方面的一系列教改措施。     

研究生高级数据库系统技术课程建设与实践

针对社会对具有大规模数据管理与处理能力的高层次创新型人才的需求,结合研究生高级数据库系统技术课程建设,阐述在教学内容、资源平台、教学方法、教学团队等方面的改革与实践,为同类课程建设提供借鉴。     

案例教学下嵌入式系统课程的改革与实践

嵌入式系统是广泛应用于制造业的常见控制与运行系统,当前国内各高校和高职院校中已经普遍开展了这门专业课程的教学。然而,现实中存在的种种局限影响了这门实践性极强的专业课程的教学,造成教学和实际应用严重脱节,学生不能学以致用。引入案例教学法不失为解决当前教育困境的一种创新型教学改革实践。介绍了嵌入式系统课程的教学现状,分析了案例教学下嵌入式系统课程的改革和实践,以期为相关专业教师和学生提供参考。     

Android课程教学案例设计与实践

随着移动互联技术的迅速发展,很多高校开设Android移动应用开发课程,培养学生Android软件开发的能力。针对目前该课程教学存在内容枯燥、学生缺乏积极性、学生实践能力差等问题,提出从Android教学实践出发,选取在线点餐系统作为教学案例,从需求分析开始到最后完整系统的实现,根据功能模块将系统分为教学部分和学生独立完成部分,教学部分涵盖Android知识点,由学生独立实现剩下的部分并测试,在测试的过程中发现问题并解决问题,这样循序渐进地引导学生完成一个完整的项目。     

研究生VFP课程创新性教学改革的实践探索

本文针对目前体育院校研究生的VFP课程教学现状及存在的普遍问题,从教学内容,教学方法模式和考核评价标准等方面提出了创新性的探索研究,并给出了一些教学改革思路和建议,有效地提高学生创新和动手实践能力,达到了良好的教学效果。     

基于项目式高校单片机课程改革与实践

针对传统单片机课程教学中存在的弊端,提出了项目式教学方法。探讨了在项目设计过程中项目的选择、项目的情境设计、项目在教学过程中的实施等问题。以燃气控制器为项目案例,介绍了如何将项目教学方法融入到单片机的硬件和软件教学中。以项目为主线,逐层完成整个项目的开发,直观地展示项目式教学方法在单片机教学中的优越性。该教学方法能充分调动学生学习的积极性,激发其创新意识,帮助学生毕业之后更快地适应相关工作。     

基于模式识别临床病例异常检测算法研究

目前临床病例异常检测的研究主要采用病症关联、费用控制和临床序列模式挖掘等方法,对无症状信息、无完整临床行为时间等临床数据仍具有一定的局限性.根据这一类临床数据特点,提出了基于模式识别的CC-FR模型,该模型采用频繁模式挖掘的方法确定单病种隶属函数,通过隶属函数中的频繁模式与待检测临床病例相匹配得到检测结果.实验结果表明,该模型可以有效的检测临床病例异常性,在临床医疗中起到监督和警示的作用.     

基于仿生模式识别理论的声调识别

基音频率轨迹能比较真实地反映汉语普通话中的声调特性,通过识别不同的基音轨迹来识别声调,是一种较好的方法。根据仿生模式识别理论,提出用迭代自组织数据分析算法(ISODATA)寻找覆盖区中心,运用多权值神经网络对每个聚类中心实现覆盖的方法,实现四种声调的识别。通过实验与隐马尔科夫模型(HMM)和支持向量机(SVM)算法比较,在少量样本的情况下,能得到相对较高的识别率。     

基于TBL的程序设计课堂教学改革与创新

非计算机专业程序设计课程侧重培养学生创新思维能力以及分析和解决问题的综合能力,而目前大多数高校普遍采用传统的讲授模式.文章借鉴和总结了在美国堪萨斯大学的课堂观摩和交流体会,结合TBL(基于团队学习)教学模式对传统的课堂教学模式进行改革和创新.其中团队学习在课堂中实施,学生以小组形式共同完成一个团队作业并进行评分.通过教学改革有效地提高了学生主动学习和团队协作的意识,培养了学生创新思维和计算思维能力.     

基于多Agent的模式识别框

传统的模式识别方法主要存在两个方面的不足：集中式控制；依赖于特征抽取和选择的质量．本文的研究是在分析自上而下模式识别方法和自下而上模式识别方法的特性和优缺点基础上，基于多agent理论和技术，提出了将两种不同类型的方法集成的模式识别框架APRF（Agent-Based Pattern Recognition Frame） ；先用自下而上定量计算方法对模式建模，使其有利于分类；再用自上而下的定性分析方法对模式涌现．目的是让计算机模式识别更符合人的认知过程，APRF的基本思想是：模式识别一模式建模＋模式涌现．     

Subspace based feature selection for pattern recognition

Feature selection is an essential topic in the field of pattern recognition. The feature selection strategy has a direct influence on the accuracy and processing time of pattern recognition applications. Features can be evaluated with either univariate approaches, which examine features individually, or multivariate approaches, which consider possible feature correlations and examine features as a group. Although univariate approaches do not take the correlation among features into consideration, they can provide the individual discriminatory power of the features, and they are also much faster than multivariate approaches. Since it is crucial to know which features are more or less informative in certain pattern recognition applications, univariate approaches are more useful in these cases. This paper therefore proposes subspace based separability measures to determine the individual discriminatory power of the features. These measures are then employed to sort and select features in a multi-class manner. The feature selection performances of the proposed measures are evaluated and compared with the univariate forms of classic separability measures (Divergence, Bhattacharyya, Transformed Divergence, and Jeffries-Matusita) on several datasets. The experimental results clearly indicate that the new measures yield comparable or even better performance than the classic ones in terms of classification accuracy and dimension reduction rate.     

结合MFCC分析和仿生模式识别的语音识别研究

提出了一种基于MFCC系数分析和仿生模式识别的语音识别方法,该方法对训练样本MFCC相同分量在各类语音间距离进行了分析,并通过与传统选取方法的比较实验,说明在小词汇量的语音识别中,选取合适的MFCC系数,不仅能减小计算量,正确识别率也会得到一定程度的提高。运用仿生模式识别理论中同类样本连续的观点,通过在特征空间中对训练样本进行有效的覆盖,大大提高了识别结果。     

基于二进小波变换和仿生模式识别的人脸识别

针对人脸图像易受光线和表情影响的特点,提出了一种基于二进小波变换和仿生模式识别的人脸识别方法。应用样条二进小波对人脸图像进行处理,对得到的细节子图进行融合。在FFT和PCA处理与降维后,用仿生模式识别进行学习和识别。实验结果表明,该方法比传统方法具有更高的识别率。     

基于模式识别的创新概念设计

论文提出了一种基于遗传算法的自动求解算法,并将该算法在CAD中的应用作了展望。该算法采用基元模式识别方法识别原有的以图像形式存储的模型,在适应度函数中引入形象度和抽象度的标准并辅以人机交互的方式来判别算法运行过程中产生的个体。实验结果表明,该算法可以充分利用原有设计图案,并能够在运行过程中产生大量的优良个体。     

仿生模式识别理论在性别识别中的应用

基音频率是语音信号中的重要参数,也蕴涵了区分性别的主要特征。在仿生模式识别的理论基础上,提出一种高维空间连续神经元覆盖算法,以基音频率为特征,将该算法应用于语音信号的性别识别。实验表明,仿生模式识别理论在进行划分时取得了很好的效果,只需要50个训练样本就可以得到较高的正确识别效果。