生物信息学的基本概念范文

导语：如何才能写好一篇生物信息学的基本概念，这就需要搜集整理更多的资料和文献，欢迎阅读由公务员之家整理的十篇范文，供你借鉴。

篇1

摘要：师范教育改革下高师院校课程的重新建设已成为重中之重。如何在改革的新背景下建构合适的课程体系，成为高师院校要解决的问题。本文立足于师范教育改革背景下的需求，针对《生物信息学》课程的特点和教学中存在的问题进行初步探讨，就其在教学方法的更新、教学标准的编写、考核方法的改进等方面提出了一些思考，希望通过不断的完善从而提高《生物信息学》课程的教学质量。

关键词：师范教育改革；生物学信息学；课程建设

中图分类号：G642.0 文献标志码：A 文章编号：1674-9324（2017）21-0102-02

随着教育的发展，教师体制也不断发生改变，顺应发展的趋势，教师资格证的改革开始不断推进与完善。2012年《国家中长期教育改革和发展规划纲要》精神和教育部部署启动全国中小学和幼儿园教师资格证改革试点工作，2013年《中小学教师资格考试暂行办法》出台并规定：试点启动后入学的师范专业学生申请中小学教师资格应参加教师资格考试。2015年我国正式实施教师资格证国考制度，并实行五年一个周期的注册制度。教师资格证制度的变革是对高师院校实施教学改革的促进同时也是对师范生的挑战。改革制度下更要求提高教师的综合素质和学生能力的培养，而《生物信息学》所具备的专业性与前沿性正是师范教育对学生着重培养的方向与目标。

《生物信息学》是一门交叉学科，包含了对生物信息的获取、加工、存储、分配、分析、解释等在内的所有方面，运用数学、计算机科学和生物学的各种工具阐明和理解大量数据所包含的生物学意义。随着大规模的基因组测序工作的开展，生物学数据获得了大量的积累，生物信息学悄然兴起并得以蓬勃发展。生物信息学使学生了解学科前沿和新技术进展，同时培养学生综合运用知识的能力。但目前多数院校只将其设为选修课程，重视程度很低，而且在教学内容、方法等方面存在一些问题。由于师范教育改革对师范生要求不断提高，课程的学法和内容也要与时俱进，怎样建构新的课程体系是高师院校需要解决的问题。

一、课程教学现状

1.师资力量薄弱。生物信息学不仅对教师专业知识要求高，同时也需要有计算机理论基础的教师来授课。但目前教授生物信息学课程的教师大多都为其他生物学课程的教师，这些教师往往缺乏专业的生物信息学分析软件操作训练和计算机基础，不能将各学科更好融合。

2.教学方法滞后。生物信息学是一门交叉学科，但教师在教学过程依旧采用传统教学方法，计算机辅助教学不常见，这种授课方式不仅效果欠佳也没有发挥此学科的优势。而且在教学过程中不注重培养学生对生物信息学的重要性的认识，所以学生认为该课程只是理论学科，认识不到其对实践操作能力的重要和生物数据分析的意义。

3.实践教学不足。受传统的教学观念影响，教师在教学过程中只注重理论教学忽视实践教学，导致学生所学的理论知识与实践脱节。因为生物信息学对于网络高度依赖，但由于受学时限制，课堂教学的内容有限，实践教学课时数较少，内容也比较简单，缺乏完善的实践教学过程，学生也缺乏实际动手操作的能力。

4.考评方案简单。生物信息学的考核重点是学生对生物信息基本概念的理解，软件操作的掌握程度及生物数据分析解释的能力。但一些学校的考试形式还全部是理论知识，缺少实际操作能力的检验，这种考评办法的评价效能差，而且不能体现学科的特点。

二、课程体系建设优化

1.提高教师素质。教师是教学的核心资源，其知识水平和操作技能都会影响教学的效果。提高教师素质首先要对任课教师开展《生物信息学课程教学改革和实践》专题讲座，其次鼓励教师通过查阅相关文献，了解课程的特点及发展，组织大家进行讨论，再次，也要积极组织教师参加科研活动，提高科研新能力，在科研过程中进一步了解本学科的前沿内容。

2.编写教学标准。如今的教师专业化不只是强调教师要有扎实的理论知识，更要有实践能力。所以生物信息学的课程建设改革要组织新的教学内容，合理安排理论学时特别是实验学时。课程标准对生物信息学的研究内容、现状和发展前景做具体的介绍，主要对生物信息学的基本概念和基本方法进行讲解，重点是分析软件的操作方法和生物学数据库的使用方法的讲解。

3.改进教学方法。师范教育改革意味着对师范生各方面要求的逐渐提高，学生不能只被动接受知识，所以教师在教学中要利用多媒体辅助进行直观教学，演示生物学数据库的浏览与检索，软件的使用，基因序列的检索、基因阅读框架的找寻、序列比对、进化树的构建等操作。教师也可以提供课件和DNASTAR、DNAMAN、MEGA、BIOEDIT等软件安装程序及使用手册等扩大学生的自学空间，使学生的被动学习变为主动学习，也符合师范教育对学生创造能力、应用能力的培养。

4.教学科研结合。生物信息学教学强调能力的培养，且学科的交叉性也能使学生将所学知识与之结合。教师可以鼓励学生参与相关课题研究，学校也可以提供机会让学生参与到创新创业性研究的科研项目中，这样的学习方式可以激发学生对科研的兴趣，巩固课程中所学到的知识，使学生掌握生物信息学课程的实践技能，也更好的体现对师范生创新能力培养。

5.优化理论课结构。师范教育提倡以学生为主体的授课方式，所以课堂可以采取不同的学习方式如小组合作或学生讲述等以此丰富理论课的教学模式。教师可以提出问题由小组成员讨论研究学习，课堂也可以以自讲的方式进行学习，学生通过查阅资料了解学科在临床医学、药物产业等方面的应用以及在后基因组时代的主要研究内容等，不仅掌握了前沿知识同时也锻炼教师技能，对于师范教育培养有很好的促进作用。

6.加强实验课建设。师范教育在强调师范生理论知识的同时更注重实际的操作能力，所以实验教学起着越来越重要的作用，在学习中通过生物数据库的使用，可以提高学生处理生物信息的能力。生物学数据库均可以通过网络提供数据检索服务，学生可以根据理论知识进行相应的实际操作。学院可以进一步开放实验室，为学生创造动手操作的自学实验环境。

7.改革考核方法。考试是检测教学效果的方法，也是促进学生学习的有力手段。如何考核需要制定详细的评价指标体系。生物信息学的考核改革是在基础考核之上增加了小组答辩和论文成绩。小组答辩以生物信息学在疾病研究中的应用为拟设计命题，培养学生协作收集整理相关文献并展示其整合分析结果的能力。论文以蛋白质生物信息学分析在药物靶点挖掘和药物设计中的应用为题。最后根据论文结构完整性和内容独创性、条理逻辑性和学术水平进行评分。

三、课程体系构建的进一步设想

进一步利用网络学习平台慕课扩展生物信息学的理论深度与新技术发展，学生可以进一步接触并利用云计算等技术对大数据进行处理，或基于手机客户端让学生随时可以查询及学习，这样的构建既是生物信息学课程建设的发展，也是培养学生能力的体现。生物信息学课程建设改革对学生综合运用知识的能力起到了促进作用，也加强了理论联系实践的操作能力。生物信息学能够培养学生全面掌握生物学知识，对今后选择生物学科领域的工作有推动作用，也是师范生成为合格人民教师的理论基础。

参考文献：

[1]蓝秋燕.教师资格证“国考”下师范类教学法课程变革的探讨[J].高教论坛，2014，（3）.

[2]林玉生，汪磊，久梅.谈教师资格证国考框架下的高师心理学教学改革[J].辽宁师专学报（社会科学版），2016，（3）.

[3]赵屹，谷瑞升，杜生明.生物信息学研究现状及发展优势[J].医学信息学杂志，2012，33（5）.

[4]于啸，孙红敏.计算机专业设置生物信息学课程的建设与实践[J].计算机教育，2010，（14）.

[5]汤丽华.浅谈大学本科生物信息学课程建设与教学[J].高校讲坛，2010，（17）.

[6]陶嫦立.关于提高生物类专业《生物信息学》教学的一些建议[J].教育教学论坛，2016，（32）.

[7]石春海，肖建富，吴建国.构建优质教学体系 促进《遗传学》精品教育[J].遗传学教学，2013，35（1）.

[8]王彬，韩赞平，张泽民，等.《遗传学》课程建设的实践与思考[J].洛阳师范学院学报，2008，（5）.

[9]吴建盛，李政辉，张悦.强化创新型开放性实验 促进生物信息学课程建设[J].信息通信，2013，（6）.

收稿日期：2016-11-21

篇2

关键词：生物信息学 遗传学 教学方法 教学内容

遗传学（Genetics）是研究自然界中生物的遗传和变异规律的科学，是生命科学领域中最为重要和基础的学科之一。它也是生物科学中一门最具活力，发展最迅速的理论科学，又是一门紧密联系生产实际的基础应用科学，对探索生命起源和本质，推动整个生物科学的发展起着巨大的作用。因此，遗传学作为生命科学相关专业的一门重要主干课程，在教学中起着举足轻重的作用。

一、生物信息学专业开设遗传学的必要性

20世纪80年代末，由分子生物学、计算机科学以及信息技术等学科的交叉和结合产生了生物信息学（Bioinformatics），它是基于分子生物学与多种学科交叉，以计算机为工具对生物相关信息进行储存、检索和分析的科学，是当今生命科学和自然科学的重大前沿领域之一。近20年，特别是随着人类基因组计划（human genome project，HGP）不断拓进，生物信息学作为跨越和融合生命科学与信息技术的新兴学科已成为生命科学核心领域和最具活力的前沿领域之一。生物信息学专业应运而生。国内单独设立生物信息学本科专业的高校较少，且普遍较晚。

遗传学与生物信息学两个学科之间关系密切。有国内学者利用美国《科学引文索引》（SCI）数据库web of science，运用文献计量学方法对8种权威生物信息学期刊2001年至2010年于2011年1月15日之前上传至wed of science的全部文献进行统计及分析。对施引文献按跨学科强度排列的结果显示，遗传学及基因与生物信息学跨学科文章发表量居第二位，仅次于生物化学与分子生物学。这说明，生物信息学与遗传学直接的跨学科研究较多，二者交叉学科的发展关系密切。因此，生物信息学专业开设《遗传学》课程十分必要。

二、遗传学教学中存在的问题

多年来，不同专业的《遗传学》课程的教学过程中涌现出一些共性问题，这些问题在生物信息学本科专业的教学过程中也存在。一是，学科拓展深化与课时压缩之间的矛盾。随着遗传学研究范畴的不断拓展，新的学科分支相继涌现，信息量逐步扩增，待教授内容逐渐增加且显得零散。但随着大学素质教育改革的进行，更多新的选修课、实验课被引入，遗传学理论课时被压缩，课时减少与内容增多的矛盾日益突显。二是，遗传学与其他课程教学内容设置与组织易重复。学科交叉为科研工作提供源源不断的动力，但在教学工作中学科渗透也造成教学内容重叠，基础和关紧技术重复教学的问题。例如，分子遗传学是遗传学重要组成部分，是目前遗传学研究的重点和热点，与生物信息学关系最为紧密，它包括的遗传物质的本质，基因的调控，基因重组等内容也在基因工程、分子生物学、细胞学等课程中作为讲授重点。如何利用有限的理论课时，合理安排教学内容，提高教学效率值得思考。

与此同时，生物信息学作为比较新的本科专业，开设各课程之间的衔接问题也比较突出。生物信息学专业的学生在大二开始全面生命科学和信息技术相关程学习。在理论知识在实际中如何应用缺乏概念，学生达不到共鸣，这也是生物信息学专业低年级学生面临的通病。遗传学课程安排在大学二年级上学期讲授，对于刚刚接触专业课程的学生而言本来就陌生，而且信息技术和生命科学相关课程独立讲授，二者貌似是两条平行线，怎样相交碰撞出火花，对于学生来说很难结合，必须由任课老师在授课过程中充分引导。传统的《遗传学》课程教学注重以杂交分析为主的经典遗传学理论的讲解，很大篇幅集中在三大定律（分离定律、自由组合定律以及连锁和互换定律）的教授上。遗传学课程教学重点集中在经典遗传学定律，经典案例跟不上学科发展。这个问题已经被一线教育工作者认知。

综上，由于学科本身发展迅速，涵盖知识范围越来越广，课时压缩等原因，容易让学生在学习过程中对该课程产生“内容太发散”“课时进程快”“知识跨越大”等认识，不利于课程的学习。由此可能造成，内容广泛且繁杂“抽象且深奥”枯燥无味，容易让学生觉得难或者枯燥。学生学习主动性不高。因此，在教学实践中，针对不同专业性质和培养目标存在的差异，不同专业《遗传学》课程教学应在知识体系、内容侧重点、教学方法等方面在各专业间有所区分。特别是生物信息学这种学科交叉性强的专业，如何实施该专业本科生遗传学的教学，以达到即符合本科教学难易程度的要求，又被大多数同学接受，同时能符合生物信息学学科自身特点，需要在教学过程中逐步的探索与实践。本文将结合资深授课教师经验及笔者生物信息学本科专业《遗传学》教学经历对这一问题进行阐述。

三、教学过程中的探讨与实践

1.制定具有专业特色的教学内容

（1）优化教学内容，关注专业需求

生物信息学专业的课程教学中，遗传学相关知识是需要讲授的重点。传统遗传学课程教学将重点内容集中于经典遗传学定律及其相关知识的讲授，其优点在于能够帮助学生打牢遗传学知识基础，缺点在于教学内容过于单一，没有包含遗传学重要分支的最新知识，无法与当前的研究热点联系起来，学生学习兴趣不高。随着国际遗传学研究的深入，分子遗传学和群体遗传学得到长足发展，极大地丰富了遗传学的知识体系。为了紧跟国际研究前沿，国内许多高校对遗传学课程进行了教学改革，在经典遗传学教学的基础上，纷纷加入了分子和群体遗传学的教学内容，为后续开展更深入的专业研究和学习奠定了良好的知识基础。为了帮助学生对遗传学知识体系形成全面而系统的认识，结合生物信息学专业特点，在教学设计时借鉴了以“遗传信息”为主线的教学思想，教学内容涵盖了“经典”“分子”和“群体”三类主体遗传学内容。在现实教学中，受遗传学课时限制，对所有遗传学知识点进行了梳理和必要的删减，既把握三种遗传学知识的内在联系，做好各部分知识的教学衔接，同时注意区分三者的不同，突出教学重点，做到“主题鲜明，重点突出，点面结合，结构清晰”，使学生在掌握经典基础理论知识的同时了解最新的遗传学研究进展。

（2）生物信息学专业遗传学课程与其他课程的衔接

遗传学是研究生物遗传和变异的科学，以遗传物质结构和功能为研究对象，是生命科学的主干。因此，与其他学科在内容上有交叉或重叠无法避免。同中求异，突出遗传学的特色，是教学中值得研究的问题。遗传物质的本质、染色体畸变、基因突变、遗传调控等章节与微生物学、细胞生物学、生物化学内容重复较多，可以强调知识结构的完整性，淡化这些内容的分子结构和生化过程的讲解。例如，结合孟德尔定律和摩尔根定律案例，着重从染色体和基因角度切入，增强遗传学色彩，同时对其他课程起到提纲挈领的作用。

（3）结合生物信息学，引入最新研究成果，体现前沿性

在处理好学科衔接之后，还需要关注的就是内容与生物信息学的结合。学生在学习过程中，最想了解的莫过于，这门课程与我的专业有什么联系？因此，在讲授内容中加入生物信息学手段解决遗传学问题的新成果既体现前沿性，又能提高遗传学课程的专业针对性。教师平时要多注意积累教学素材，对于现阶段比较热点且与生物信息学相关的、应用性强的问题，要在课程基础知识讲授后，进行一定拓展。例如，在讲授基因定位和遗传图绘制时，引入用EST进行基因定位及遗传图谱绘制等内容；在讲到遗传家谱时，引入通过对患病群体或家系进行外显子组测序分析，对小家系孟德尔遗传病的致病基因进行鉴别和定位的例子。通过引入生物信息学教学例子，不仅可以使学生加深对遗传学知识的理解，还可帮助学生了解生物信息学最新进展，激发对后续生物信息学专业课程的学习兴趣。

2.教学方法多样化，提升学生学习兴趣

遗传学教学内容繁杂、理论性强，不易理解。为了提高教学效果，在教学模式上必须变“以教师为主体”为“以学生为主体”，注重采用灵活多样的教学方法和手段，开展多媒体教学、案例教学和研讨教学等，将传统抽象、枯燥的说教式教学转变为具体、生动的参与式教学，增强教与学的双向互动。

（1）多媒体教学方式

计算机多媒体辅助教学改变了传统的黑板加粉笔，以教师为中心灌输式教学模式。多媒体通过实时可交互的多维动画及图像展示，可以增强教学内容的展示效果，提高课堂教学的信息量和容积率，提升学生学习兴趣，加深对枯燥晦涩知识点的理解，提高教学效率。充分利用多媒体课件的超文本功能、交互功能、网络功能的优势，比如Holliday模型是分子水平上关于遗传重组机制的重要模型，很好解释了基因转变现象。在讲到Holliday模型时，为了让学生直观了解单链交换重接及分支移动后的Holliday交叉旋转180度形成Holliday异构体的过程，采用了动画、图片、电子板书相结合的方式，很容易让学生理解空间旋转互换的过程，以及基因转变产生的原因等较难理解的知识点，反响较好。此外，声音、视频、动画、图片等便于学生拆解枯燥内容。

（2）案例教学

案例教学是一种创新型的教学方式，主要通过开放课堂、增强互动，培养学生运用所学知识解决实际问题的能力。案例教学需要结合本课程的专业理论知识，着眼于达成课程教学目的，编写和准备基于一定事实且具有一定场景的教学案例，这些教学案例要能够启发学生的思考，促进学生将从外部学习的知识吸收转化内在的专业素养和能力。在教学实践中，教学案例是“教”与“学”互动的桥梁和纽带，使枯燥乏味的学习过程变得活泼有趣；“教”不是告诉学生怎么去做，而是启发学生如何去思考，对学生针对案例问题提出的解决思路进行引导和评价，鼓励学生创新性思考，找到最优的问题解决方法；“学”不是被动的接受，而是主动的思考和创造，通过与他人而不仅仅是老师进行互动和交流，加深对知识的理解，培养解决实际问题的能力。

案例教学的核心是精心设计教学案例，将知识内化在符合实际又富于想象的故事情景中，使得学生通过身临其境将抽象的理论知识具体化，学会如何用概念性和原理性知识在实际工作和研究中解决问题，进而加深对特定原理和概念内涵的理解。在教学实践中，先以典型案例提高学生兴趣，把抽象的东西具体化，让学生变被动接受为主动思考，激发学生的求知欲。注重培养学生创造力和解决问题的能力。通过案例的分析，深化学生对基本原理、基本概念的理解。案例教学能很好地启发学生进行自主思考，对于理论性较强，比较枯燥的内容，通过案例式教学能激发学生学习兴趣。所举案例应具有针对性，要考虑案例产生的时间、背景和条件，要贴近生活，耳熟能详，与时俱进。在处理问题的同时，获取知识。进行案例教学过程中，要注重与学生的互动。围绕教学目的，选择合适案例，进行启发式教学，调动学生参与性。教师不能一味平铺直叙的讲案例，还要注意学生的参与度。只有学生和教师共同参与，才能达到预期教学效果。

（3）以学生为主体的教学

以往课程中，往往针对经典类型习题进行讲解，参考“标准答案”。在实际教学中发现，这样往往造成学生思想禁锢，学科交融性不够。特别是对于生物信息学专业的学生来说，传统习题课或者讨论课，没有实用效果。习题课及讨论课应注重实用性，关注遗传学与生物信息学学科发展与融合，设置开放性答案，突出培养学生创新性的应用能力。

课堂教学不仅要“授业”，更要“传道”，即培养学生如何学习和如何思维。根据教学内容和学生的认知水平，研究、讨论、交流式的教学模式的引入，有助于调动学生积极性。采用专题自学，规定材料与学生自学有机的结合起来，开展研讨，充分体现学生观点。同时，教师只起到点评引导作用，能培养学生获取信息、分析问题、创造性的解决问题的能力，有利于学生形成科研创新意识。教师如何正确引导是开展研讨式教学的重点。首先，应明确课程在相关领域中的作用和地位，了解课程的教学内容，选择课程中适合研讨的内容，并将研究与讨论贯穿教学的全过程。在选择题目时，要考虑专业相关程度及考虑不同学生层次的需求，考虑学生个体间的差异，难度适宜。

四、结语

生物信息学本科专业遗传学的教学，以孟德尔定律为基础，分析遗传物质的存在形式、传递、保存及变化，课程脉络更加清晰，通过案例教学的等教学模式，激发兴趣，并有利于与后续课程连接，在实践教学中体现了比较好的教学效果。因为生物信息学专业的需求与传统生物专业有差异，教学内容侧重点不同这给教师备课增加了难度。同时，在期末考核时，由于讲授侧重点不同，考试侧重点也应有所区别，在师资允许的前提下，引入小班教学，有利于教学侧重点突出。后续课程如果设置分子遗传学，将使知识体系更加完整。

参考文献：

[1]李巨超，李楠.适应应用型人才培养模式的遗传学教学改革与探索[J].中国科教创新导刊，2012，（2）：66.

[2]巴恩斯.遗传学工作者的生物信息学[M].丁卫，李慎涛，廖晓萍，译.北京：科学出版社，2009.3.

[3]皮妍，林娟，侯嵘，等.国内高校遗传学教材发展研究[J].遗传，2009，31（1）：109-112.

[4]武妍，胡德华.生物信息学跨学科研究[J].现代生物医学进展，2012，（12）：137-141.

篇3

《离散数学》是以一切离散量为研究对象的一门学科，包括数理逻辑、关系代数、罔论、集合论等多方面内容。这门学科在计算机科学的发展和研究中起着重大的作用，比如在编译原理、数据结构、数据库系统、人工智能、计算机网络等专业课中都大量涉及了离散数学中各个分支的基本概念、基本理论和基本方法。所以它还有一个专业的名字――组合数学。离散数学是掌握和研究计算机学科的必要理论基础。

有时人们也把离散数学和图论加在一起算成是离散数学。离散数学是计算机出现以后迅速发展起来的一门数学分支。计算机科学就是算法的科学，而计算机所处理的对象是离散的数据，所以离散对象的处理就成了计算机科学的核心，而研究离散对象的科学恰恰就是离散数学。离散数学的发展改变了传统数学中分析和代数占统治地位的局面。现代数学可以分为两大类：一类是研究连续对象的，如分析、方程等，另一类就是研究离散对象的离散数学。离散数学不仅在基础数学研究中具有极其重要的地位，在其它的学科中也有重要的应用，如计算机科学、编码和密码学、物理、化学、生物等学科中均有重要应用。微积分和近代数学的发展为近代的工业革命奠定了基础。而离散数学的发展则奠定了本世纪的计算机革命的基础。计算机之所以被称为电脑，就是因为计算机被人编写了程序，而程序就是算法，在绝大多数情况下，计算机的算法是针对离散的对象，而不是在作数值计算。正是因为有了离散算法才使人感到计算机好像是有思维的。

离散数学不仅在软件技术中有重要的应用价值，在企业管理、交通规划、战争指挥、金融分析等领域都有重要的应用。在美国有一家用离散数学命名的公司，他们用离散数学的方法来提高企业管理的效益，这家公司办得非常成功。此外，试验设计也是具有很大应用价值的学科，它的数学原理就是组合设计。用组合设计的方法解决工业界中的试验设计问题，在美国已有专门的公司开发这方面的软件。最近，德国一位著名离散数学家利用离散数学方法研究药物结构，为制药公司节省了大量的费用，引起了制药业的关注。

在1997年11月的南开大学离散数学研究中心成立大会上，吴文俊院士指出，每个时代都有它特殊的要求，使得数学出现一个新的面貌，产生一些新的数学分支，离散数学这个新的分支也是在时代的要求下产生的。最近，吴文俊院士又指出，信息技术很可能会给数学本身带来一场根本性的变革，而离散数学则将显示出它的重要作用。杨乐院士也指出离散数学无论在应用上和理论上都具有越来越重要的位置，它今后的发展是很有生命力、很有前途的，中国应该倡导这个方面的研究工作。万哲先院士举例说明了华罗庚、许宝禄、吴文俊等中国老一辈的数学家不仅重视离散数学，同时还对离散数学中的一些基本问题作了重大贡献。迫于中国离散数学发展自身的需要，以及中国信息产业发展的需要，在中国发展离散数学已经迫在眉睫，刻不容缓。

2.《离散数学》与计算机软件

随着计算机网络的发展，计算机的使用已经影响到了人们的工作、生活、学习、社会活动以及商业活动，而计算机的应用根本上是通过软件来实现的。我在美国听到过一种说法，将来一个国家的经济实力可以直接从软件产业反映出来。我国在软件上的落后，要说出根本的原因可能并不是很简单的事，除了技术和科学上的原因外，可能还跟我们的文化、管理水平、教育水平、思想素质等诸多因素有关。除去这些人文因素以外，一个最根本的原因就是我国的信息技术的数学基础十分薄弱，这个问题不解决，我们就难成为软件强国。然而解决这一问题决不是这么简单，信息技术的发展已经涉及了很深的数学知识，而数学本身也已经发展到了很深、很广的程度，并不是单凭几个聪明的头脑去想想就行了，更重要的是需要集体的合作和力量，就像软件的开发需要多方面的人员的合作。美国的软件之所以能领先，其关键就在于在数学基础上他们有很强的实力，有很多杰出的人才。一般人可能会认为数学是一门纯粹的基础科学，1+1的解决可能不会有任何实际的意义。如果真是这样，一门纯粹学科的发展落后几年，甚至十年，关系也不大。然而中国的软件产业的发展已向数学基础提出了急切的需求：网络算法和分析、信息压缩、网络安全、编码技术、系统软件、并行算法、数学机械化和计算机推理，等等。此外，与实际应用有关的还有许多许多需要数学基础的算法，如运筹规划、金融工程、计算机辅助设计等。如果我们的软件产业还是把眼光一直盯在应用软件和第二次开发，那么我们在应用软件这个领域也会让国外的企业抢去很大的市场。如果我们现在在信息技术的数学基础上大力支持和投入，那将是亡羊补牢，犹未为晚；只要我们能抢回信息技术的数学基地，那么我们还有可能在软件产业的竞争中扭转局面，甚至反败为胜。吴文俊院士开创和领导的数学机械化研究，为中国在信息技术领域占领了一个重要的阵地，有了雄厚的数学基础，自然就有了软件开发的竞争力。这样的阵地多几个，我们的软件产业就会产生新的局面。值得注意的是，印度有很好的统计和离散数学基础，这可能也是印度的软件产业近几年有很大发展的原因。

3.离散数学在国外的状况

纵观全世界软件产业的情况，易见一个奇特的现象：美国处于绝对的垄断地位。造成这种现象的一个根本的原因就是计算机科学在美国的飞速发展。当今计算机科学界的最权威人士很多都是研究离散数学出身的，美国最重要的计算机科学系（MIT，Princeton，Stanford，Harvard，Yale，...）都有第一流的离散数学家。计算机科学通过对软件产业的促进，带来了巨大的效益，这已是不争之事实。离散数学在国外早已成为十分重要的学科，甚至可以说是计算机科学的基础。一些大公司，如IBM、AT&T都有全世界最强的组合研究中心。Microsoft的Bill Gates近来也在提倡和支持计算机科学的基础研究。例如，Bell实验室的有关线性规划算法的实现，以及有关计算机网络的算法，由于有明显的商业价值，显然是不会对外公开的。美国已经有一种趋势，就是与新的算法有关的软件是可以申请专利的。如果照这种趋势发展，世界各国对离散数学和计算机算法的投入和竞争必然日趋激烈。美国政府也成立了离散数学及理论计算机科学中心DIMACS（与Princeton大学、Rutgers大学、AT&T联合创办的，设在Rutgers大学），该中心已是离散数学理论计算机科学的重要研究阵地。美国国家数学科学研究所（Mathematical Sciences Research Institute，由陈省身先生创立）在1997年选择了离散数学作为研究专题，组织了为期一年的研究活动。日本的NEC公司还在美国的设立了研究中心，理论计算机科学和离散数学已是他们重要的研究课题，该中心主任R.Tarjan即是离散数学的权威。美国重要的国家实际室（Los Alamos国家实验室，以造出第一颗原子弹著称于世）从曼哈顿计划以来一直重视应用数学的研究，包括离散数学的研究。有关离散数学的计算机模拟项目经费达三千万美元。不仅如此，该实验室最近还在积极充实离散数学方面的研究实力。美国另外一个重要的国家实验室Sandia国家实验室有一个专门研究离散数学和计算机科学的机构，主要从事组合编码理论和密码学的研究，在美国政府以及国际学术界都具有很高的地位。由于生物学中的DNA的结构和生物现象与离散数学有密切的联系，各国对生物信息学的研究都很重视，这也是离散数学可以发挥作用的一个重要领域。前不久召开的北京香山会议就体现了国家对生物信息学的高度重视。据说IBM也将成立一个生物信息学研究中心。由于DNA就是离散数学中的一个序列结构，美国科学院院士，近代离散数学的奠基人Rota教授预言，生物学中的组合问题将成为离散数学的一个前沿领域。

最近Thomson Science公司创刊的一份电子刊物《离散数学和理论计算机科学》即是一个很好的说明。它的内容涉及离散数学和计算机科学的众多方面。由于计算机软件的促进和需求，离散数学已成为一门既广博又深奥的学科，需要很深的数学基础，逐渐成为了数学的主流分支。本世纪公认的伟大数学家盖尔芳德预言离散数学和几何学将是下一世纪数学研究的前沿阵地。这一观点不仅得到国际数学界的赞同，也得到了中国数学界的赞同和响应。

加拿大在Montreal成立了试验数学研究中心，他们的思路可能和吴文俊院士的数学机械化研究中心的发展思路类似，使数学机械化、算法化，不仅使数学为计算机科学服务，同时也使计算机为数学研究服务。吴文俊院士指出，中国传统数学中本身就有浓厚的算法思想。

今后的计算机要向更加智能化的方向发展，其出路仍然是数学的算法和数学的机械化。另外的一个有说服力的现象是，离散数学家总是可以在大学的计算机系或者在计算机公司找到很好的工作，一个优秀的离散数学家自然就是一个优秀的计算机科学家。

篇4

关键词 图像处理；图像分析；实践教学；教学改革

中图分类号：G642.0 文献标识码：B

文章编号：1671-489X（2014）02-0090-02

Practical Teaching Reform of Medical Images Processing and Analysis//Tang Min， Zhang Shibing， Shen Xiaoyan

Abstract Medical images processing and analysis is one of the major foundational courses for biomedical engineering. According to the characteristics of this course， several practical teaching reform measures of medical images processing and analysis are carried out， including experiments and course design and the second classes. The author’s rich practical experiences demonstrate that these teaching reform measures can foster the students’ abilities， inspire their interests and therefore improve the teaching effect greatly.

Key words image processing； image analysis； practical teaching； teaching reform

1 引言

生物医学工程是一个由理、工、医交叉融合的新兴学科，是多门工程学科向生物医学领域渗透的产物，包括生物信息学、医学图像处理、生物力学及生物材料、医疗器械等多个分支。其中，医学图像处理与分析是利用数学原理和方法，在计算机上针对不同医学影像设备（如CT、MRI、B超、PET、SPECT、显微镜等）产生的图像，按照实际需要进行处理、加工和分析。随着医学成像技术的发展与进步，图像处理技术在医学研究与临床诊断中的应用越来越广泛，因此，医学图像处理与分析这门课程的地位和作用也日益重要。

该课程是以数字图像处理为基础，介绍图像处理中的基本概念、理论和算法，特别针对医学图像处理研究中的基本问题以及解决这些问题的原理和实现方法，使学生能够编程将图像处理算法应用于医学图像的处理和分析，是生物医学工程及相关专业的核心主干课程之一。

医学图像处理与分析这一课程起点高、难度大、理论和实践紧密结合，课程建设难度较大。虽然目前已有不少院校开展本课程的教学工作，但实际教学情况并不十分理想，主要表现在教材缺乏和实践环节较少。在中国期刊网上，以题名包含“医学图像处理”或“生物图像处理”以及题名中包含“教学”为检索条件，只获得文献18篇，其中涉及该课程实践教学的只有6篇，主要集中于虚拟实验室和实验教学系统的研发[1-6]上，可见在国内关于该课程的教学研究尚不多见。

笔者结合教学实践经验，在理论教学改革的基础上[7]，提出一些实践教学环节的改革措施，以全面培养学生的学习技能，激发学习兴趣，改善教学效果。

2 实验与课程设计的开展

以“科研为教学服务，教学促进科研”为宗旨，采用MATLAB编程语言为实验教学平台，以医学图像处理知识为主，同时综合医学成像系统、医学电子学等相关课程的知识，编写《医学图像处理与分析课程的实验与课程设计指导书》，设置验证型、综合型和设计型三大类实验（参见表1）。其中，实验1～9为验证型实验，学生通过调用MATLAB中已有的图像处理程序来完成实验，加深对理论教学重点和难点的理解；实验10～14是综合型实验，学生针对医学图像的具体特点，综合运用多种算法达到图像处理的目的；实验15～24是设计型实验，给定实验目的和要求，学生自行设计实验方案并编程实现，培养他们查阅资料、分析问题和解决问题的能力[6-8]。

3 第二课堂的实施

为培养学生的科研实践能力，教师有意识地在课堂中简要介绍自己科研项目的基本情况，鼓励和引导学生参加自己的科研项目研究。这不仅增强了他们对该课程的学习兴趣和重视度，而且使他们亲身经历并体验了医学图像处理和分析知识怎样应用于科研和临床。

由于南通大学附属医院拥有门类齐全的现代化医疗仪器设备，因此鼓励学生利用假期在医院实习，特别是到影像科和检验科实习，学习和掌握各种仪器的功能和图像处理的场合，从而有助于他们将理论知识与实际问题相结合，提高实际工作的能力。

在教学过程中，适当融入一些就业方向的指导，介绍医学图像处理在医院和医疗器械公司的应用状况，同时简要介绍课程中没有涉及但与工作密切相关的最新最热门的医学图像处理知识，供学生课后自学和深入研究。这样一方面增强了学生的自信，获得了更好的教学效果；另一方面也拓宽了学生的视野，引导他们寻找自己发展的方向和目标。

4 结论

本文结合笔者多年来的教学经验，针对医学图像处理与分析课程的实践教学环节提出一些改革措施，秉承“加强基础、重视应用、培养能力”的宗旨，以“内容的基础性、方法的先进性、学科的交叉性”为原则，编写《医学图像处理与分析课程的实验与课程设计指导书》，积极开展第二课堂，实现教学、实验、科研三管齐下，课内、课外、理论、实践同时并举的教学格局，有效提升学生的综合知识水平和实验技能，为后续课程学习、毕业设计开展及科学研究奠定坚实基础。

参考文献

[1]赵洁.“医学图像处理”实验教学探索与虚拟实验室开发[J].西北医学教育，2008（3）：489-490.

[2]巩萍，胡俊峰，隋美蓉.《医学图像处理》实验教学系统的设计与开发[J].中国医学教育技术，2011（1）：49-52.

[3]王春燕，曲典，吴瑞，等.医学图像处理教学实验系统的设计与开发[J].中国医疗设备，2009（11）：20-22.

[4]周苏娟，蒋世忠，黄展鹏，等.医学图像处理远程虚拟实验教学平台的设计与实现[J].中国医学教育技术，2011（5）：

526-528.

[5]郑旭媛，胡春红，肖振国.医学图像处理课程设计教学模式探索[J].科技创新导报，2011（31）：167.

[6]胡彦婷，陈建军，木拉提哈米提.生物医学工程专业医学图像处理课程教学探讨[J].西北医学教育，2012（3）：534-537.

篇5

关键词：模式识别；教学内容；授课方式；评价方式

模式识别是60年代迅速发展起来的一门学科，该技术用于自动将物理对象或抽象的多维模式分类到已知或可能未知的类别。目前，市场已经存在一些能进行字符识别、手写体识别、文档分类、指纹分类、语音和说话人识别、白细胞分类以及其他军事目标识别的商业模式识别系统。低成本、高分辨率传感器(如CCD摄像机、麦克风和扫描仪)和互联网上共享的数据为我们提供了关于文本、语音、图像和视频的巨大数字化资源库，对这些资源进行有效的归档和检索，极大推动了模式识别算法在新领域的应用，例如文本、图像和视频检索，生物信息学和面部识别等。

由于模式识别是一门理论与实践紧密结合的学科，理论基础涉及高等数学、线性代数、数理统计、小样本统计学习理论、模糊数学等学科，因此该课程具有一定的抽象性和难度，学生不容易理解所学内容。为了使学生从抽象中理解具体，更好地、自主地、创新地学习，教师要在知识的传授过程中注重学习方法的传授，故教学探索成为模式识别课程中重要的研讨内容之一。随着社会的发展、国际交流的频繁及网络技术的完善，如何借鉴先进的国外教学理念，更好地培养具有创新能力的学生，也成为教学探索的一个主要问题。

1国内外教学比较

下面就从教学内容、授课方式和学生评价方式三个方面来阐明国内外模式识别教学。

1.1教学内容

模式识别领域的国内外研究者和学者已编著了大量优秀教材，由于篇幅关系，下面仅对部分教材进行简要介绍。

Richard O. Duda等编写的《Pattern Classification》清晰地阐明了模式识别的经典方法和新方法[1]。Sergios Theodoridis编写的《Pattern Recognition》全面阐述了模式识别的基础理论、最新方法以及各种应用[2]。Andrew R. Webb编写的《Statistical Pattern Recognition》对统计模式识别的基本理论和技术作了全面且详尽的介绍[3]。J.P.Marques de Sá编写的《Pattern Recognition：concepts，methods，and applications》详细介绍了有关模式识别的概念和方法，并附加多个领域的实际应用案例[4]。M.Narasimha Murty等编写的《Pattern Recognition：An Algorithmic Approach》讲解了模式识别在算法中应用的主要原则，并对模式识别的概念和最近取得的进步进行了详细介绍[5]。Brian D.Pipley编写的《Pattern recognition and neural networks》对模式识别和神经网络进行了介绍，并给出了模式识别领域的许多实际例子[6]。Satoshi Watanab编写的《Pattern recognition：human and mechanical》为模式识别提供了一个统一的标准，并介绍了该学科的广阔前景[7]。Robert J.Schalkoff编写的《Pattern Recognition：statistical，structural，and neural approaches》探究了模式识别的核心概念、方法和应用[8]。Keinosuke Fukunaga编写的《Introduction to statistical pattern recognition》，每章都含有大量习题[9]。

清华大学的边肇祺教授等编写的《模式识别》主要讨论了统计模式识别理论和方法，还介绍了人脸识别、说话人语音识别及字符识别等应用实例[10]。干晓蓉教授编写的《模式识别》主要内容包括贝叶斯决策理论、概率密度估计、线形判别函数、无监督学习和聚类、特征选择与提取、模糊模式识别、人工神经网络、线形代数、多维随机变量[11]。王碧泉教授等编写的《模式识别：理论、方法和应用》介绍了特征选择、聚类和判别等方面的常用模型和算法，模式识别在地震学、数字图像处理和决策管理等领域中的应用[12]。杨光正教授等编写的《模式识别》介绍统计识别方法和句法方法的基本理论[13]。张学工教授编写的《模式识别》系统地讨论了模式识别的基本概念和代表性方法[14]。齐敏教授等编写的《模式识别导论》按照统计模式识别、句法模式识别、模糊模式识别法和神经网络模式识别法四大理论体系来组织全书[15]。蒋先刚教授编写的《数字图像模式识别工程软件设计》介绍图像模式识别的基础理论和程序实现技术，从工程应用的角度全面介绍了图像模式识别应用软件设计的基本方法和实用技术[16]。孙即祥教授等编写的《模式识别》系统地论述了各类经典的模式识别的理论与方法，较全面地反映了本学科的新近科技成果[17]。

2.2授课方式

国外的授课方式往往注重内容的学习、知识的掌握和学生独立思考。课堂教学理念重参与性、积极性、创造性和灵活性。课堂相对活跃，讲授和讨论相辅相成，学生能积极地参与到课堂教学中，学生参与发问或发表个人意见，课堂上的参与往往是学期分数的一部分，被认为是评估学生所学习的知识的方法，并注重学生是否有能力与教师和同学进行知性的对话。

国内的课堂教学主要以教师讲授为主，学生被动接受，留给学生的自主空间较狭窄，课堂教学理念注重系统性、完整性、逻辑性、生动性、计划性。课堂相对平静，讨论较少，学生加入到课堂教学中的情况不多，学生参与发问或发表个人意见少。

2.3评价方式

国外对学生的培养重经验、过程、体验和运用。学生的学习过程只是其成长的一部分，教师评价学生时十分注重多渠道收集学生在校、在家和参加社会活动的情况，通过综合分析，对学生进行全方位的、细化的评价，其中不仅有教师对学生的评价，还包括学生的自评、学生之间的互评、家长的评价和学生参加社会活动获得的评价。

国内的教学目标是追求知识、结果、记忆和会考试。由于教学中以教师为主，往往只注意知识的传授，忽略了学生能力和全面素质的培养。学生能牢固地掌握知识，但知识运用能力差，主动和创新能力欠缺。教师对学生的评价注重期中、期末考试，忽略了学生参加社会活动的情况。

3教学探索

基于如下的研究结果：有效教学本质上取决于教师建立能够实现预期教育成果的学习经验的能力，而每个学生都参与教学活动是实施有效教学的前提[18]，我们从教学内容、授课方式、评价方式三个方面进行模式识别课程的教学探索。

3.1教学内容

教学内容的安排应与本科学生的学习特点和目前所掌握的知识程度相吻合，才能使学生牢固掌握知识。借鉴国内外教学内容情况，我们的模式识别课程的教学内容共分9个章节，分别介绍模式识别纲要、贝叶斯决策理论、极大似然估计和贝叶斯参数估计、隐马尔可夫模型、统计语言模型、支持向量机、最大熵模型、人工神经网络、决策树。

第1章 通过提出问题“智能科学与技术专业的学生为什么要学习模式识别”和“应当怎样学习模式识别课程”展开，具体介绍内容包括模式、模式识别、有监督的分类、无监督的分类、模式识别的主要方法和模式识别系统。

第2章 “贝叶斯决策理论”介绍了在概率结构都知道的理想情况下的模式分类问题。虽然这种情况在实际中很少出现，但它为我们提供了一个能够与其他分类器进行对比的评价依据，即“最优贝叶斯分类器”，帮助我们预测推广到新模式时的最小误差率。

第3章 主要围绕“极大似然估计和贝叶斯参数估计”来展开。在先验概率和类条件概率密度已知的情况下，我们可使用“贝叶斯决策理论”来设计最优分类器。但是在实际应用中，通常不能得到和问题相关的全部概率结构知识，因此我们利用已有的信息，对问题中涉及的先验概率和条件概率函数进行估计，并把估计结果当做实际的先验概率和条件概率，再来设计分类器。

第4章 “隐马尔可夫模型”在解决一些与时间序列相关的问题，即某一过程随着时间的流逝而进行，而且某个时刻发生的事件受到前一时刻发生事件的直接影响中得到了很好的应用，隐马尔可夫模型在语音识别领域的应用是最成功的例子。

第5章 “统计语言模型”是用来计算句子概率的模型，在很多自然语言处理的任务，如机器翻译、语音识别、印刷体或手写体识别、拼写纠错、汉字输入中都有广泛的应用。在独立假设的前提下，句子的概率公式可被简化，并被计算出来。

第6章 “支持向量机”的基本思想是寻找一个能够将d维空间的样本数据准确地分为两个类别的超平面。但是，由于样本数据经常是不可以被线性分割的，所以通过引入核函数，将样本数据映射到一个可以线性分割这些数据的高维特征空间。而将数据映射到这样的一个空间，通常会引起计算和过度适应问题，但是支持向量机在高维空间中不需要直接处理，这就消除了前面提到的顾虑。并且支持向量机不像神经元网络等其他的学习算法，很难衡量其学习的性能，我们能够清楚地计算出其在未知数据集上的VC维。

第7章 “最大熵模型”在对一个随机事件的概率分布进行预测时，满足全部已知的条件，而对未知的情况不进行任何主观假设。因为在这种情况下，概率分布最均匀，预测的风险最小，概率分布的信息熵最大，所以被称为最大熵模型。

第8章 “人工神经网络”是在现代神经科学研究的基础上提出的，它并没有完全真正反映大脑的功能，只是对生物神经网络进行某种抽象、简化和模拟。人工神经网络中的信息处理是通过神经元之间的相互作用来实现的，知识与信息的存储表现为网络元件互连分布式的物理联系，各种神经元连接权系数的动态演化过程决定了人工神经网络的学习和识别。

第9章 “决策树”是一种广泛应用的归纳推理算法，它采用逼近离散值函数的方法，具有很好的健壮性，能根据训练数据学习出析取表达式。决策树学习方法通过搜索一个完整表示的假设空间，从而避免了受限假设空间的不足。

3.2授课方式

遵循学生的认知规律和和学习特点，结合作者从事的模式识别课程教学，我们对模式识别的授课方式给出了如下建议。

首先，教师将不再单纯地讲解，而是引导学生进行学习和组织学生进行课堂活动，使学生由原来的单纯听讲、被动接受灌输转变为主动参与课堂教学，亲自去发现结论和规律，使学生学会思考和善于思考，培养学生分析和解决问题的能力。通过教师和学生互相提问和共同讨论，来发挥学生的主动性，使两者在教学过程中相互联系和作用，教学过程成为双方主动介入的过程。由于模式识别具有一定的抽象性和难度，因此教师讲解时要尽可能通过实例引出问题，让学生亲睹实例，增加感性认识，通过图像、动画和视频的生动画面和声音吸引学生的注意力，将抽象的理论形象化，使学生印象深刻而又便于理解。

其次，教师在传授知识的同时也应该力所能及地帮助学生解决在生活、学习过程中遇到的疑问，对他们提出的问题给予认真、耐心的解答，帮助他们克服困难。教师在教学过程中留出一定的时间，以朋友的身份和学生交流，了解他们的想法，从中获得一些好的意见和建议。

再次，在讲解理论部分时，教师应该理论联系实际，注重学生实践能力的培养。适当引入一些实际生活的例子，帮助学生理解所学知识，如介绍最大熵模型，可使用“投资时不要把所有的鸡蛋放在一个篮子里，这样可以降低风险”的例子，使学生对模型的认识不再抽象。简要告诉学生下次课的内容，鼓励学生课后查阅相关资料，并对遇到的问题进行分析和解决，带着问题参与下一次的课堂教学。针对每一章的授课内容，教师应精心设计和安排相关实验，加深和巩固学生所掌握的知识。

3.3评价方式

模式识别是智能科学与技术专业的一门重要专业基础选修课，对学生将来的学习、工作都起着非常重要的作用。该课程不仅仅是让学生掌握知识，更重要的是培养学生的能力。因此，教师应该积极鼓励学生多参加社会实践，评价时应从多渠道和多方面收集学生在校和参加社会活动的信息，通过综合分析，对学生做出全方位的、细化和合理的评价，促进学生全面素质的培养，最终提高学生的创新能力。

4结语

模式识别是一门理论与实践紧密结合的学科，教与学的方式值得我们研究和探索。在今后的教学工作中，我们要多从模式识别理论涉及的学科广泛，而本科生目前还没有完全掌握这些知识等特点出发，不断改革、实践和创新。同时，教师也要不断提高自身素质和业务水平，不断提高课堂教学质量，为国家培养更多合格的应用型本科人才。

参考文献：

[1] Richard O. Duda, Peter E. Hart, David G. Stork. Pattern Classification[M]. Ventura：Academic Internet Publish, 2006.

[2] Sergios Theodoridis. Pattern Recognition[M]. San Diego：Academic Press，2006.

[3] Andrew R. Webb. Statistical pattern recognition[M]. The Atrium：John Wiley and Sons, 2002.

[4] J. P. Marques de Sá. Pattern Recognition: concepts, methods and applications[M]. Berlin：Springer, 2001.

[5] M. Narasimha Murty, V. Susheela Devi.Pattern Recognition：An Algorithmic Approach[M]. Hyderabad: Springer，2001.

[6] Brian D. Ripley. Pattern recognition and neural networks[M]. Cambridge：Cambridge University Press,2008.

[7] Satoshi Watanabe. Pattern recognition：human and mechanical[M]. San Francisco：Wiley，1985.

[8] Robert J. Schalkoff. Pattern Recognition：statistical，structural，and neural approaches[M]. San Francisco：J.Wiley, 1992.

[9] Keinosuke Fukunaga. Introduction to statistical pattern recognition[M]. San Diego：Academic Press, 1990.

[10] 边肇祺,张学工. 模式识别[M]. 2 版. 北京:清华大学出版社,2007.

[11] 干晓蓉. 模式识别[M]. 昆明:云南人民出版社,2006.

[12] 王碧泉,陈祖荫. 模式识别:理论、方法和应用[M]. 北京:地震出版社,1989.

[13] 杨光正, 吴岷, 张晓莉. 模式识别[M]. 合肥:中国科学技术大学出版社,2001.

[14] 张学工. 模式识别[M]. 3版. 北京:清华大学出版社,2010.

[15] 齐敏,李大健,郝重阳. 模式识别导论[M]. 北京:清华大学出版社,2009.

[16] 蒋先刚. 数字图像模式识别工程软件设计[M]. 北京:水利水电出版社,2008.

[17] 孙即祥, 姚伟, 滕书华. 模式识别[M]. 北京:国防工业出版社,2009:1-280.

[18] 华荣宝.“有效课堂教学”学习材料(一)[EB/OL]. (2008-02-29)[2011-03-10]. /Article/ShowArticle. asp?ArticleID=1545.

Pattern Recongnition Teaching Exploration

TAN Yongmei, WANG Xiaojie, ZHONG Yixin

(Department of Intelligence Science, Beijing University of Posts & Telecommunications, Beijing 100876, China)