生物信息學的基本概念范文

導語：如何才能寫好一篇生物信息學的基本概念，這就需要搜集整理更多的資料和文獻，歡迎閱讀由公務員之家整理的十篇范文，供你借鑒。

篇1

摘要：師范教育改革下高師院校課程的重新建設已成為重中之重。如何在改革的新背景下建構合適的課程體系，成為高師院校要解決的問題。本文立足于師范教育改革背景下的需求，針對《生物信息學》課程的特點和教學中存在的問題進行初步探討，就其在教學方法的更新、教學標準的編寫、考核方法的改進等方面提出了一些思考，希望通過不斷的完善從而提高《生物信息學》課程的教學質量。

關鍵詞：師范教育改革；生物學信息學；課程建設

中圖分類號：G642.0 文獻標志碼：A 文章編號：1674-9324（2017）21-0102-02

隨著教育的發展，教師體制也不斷發生改變，順應發展的趨勢，教師資格證的改革開始不斷推進與完善。2012年《國家中長期教育改革和發展規劃綱要》精神和教育部部署啟動全國中小學和幼兒園教師資格證改革試點工作，2013年《中小學教師資格考試暫行辦法》出臺并規定：試點啟動后入學的師范專業學生申請中小學教師資格應參加教師資格考試。2015年我國正式實施教師資格證國考制度，并實行五年一個周期的注冊制度。教師資格證制度的變革是對高師院校實施教學改革的促進同時也是對師范生的挑戰。改革制度下更要求提高教師的綜合素質和學生能力的培養，而《生物信息學》所具備的專業性與前沿性正是師范教育對學生著重培養的方向與目標。

《生物信息學》是一門交叉學科，包含了對生物信息的獲取、加工、存儲、分配、分析、解釋等在內的所有方面，運用數學、計算機科學和生物學的各種工具闡明和理解大量數據所包含的生物學意義。隨著大規模的基因組測序工作的開展，生物學數據獲得了大量的積累，生物信息學悄然興起并得以蓬勃發展。生物信息學使學生了解學科前沿和新技術進展，同時培養學生綜合運用知識的能力。但目前多數院校只將其設為選修課程，重視程度很低，而且在教學內容、方法等方面存在一些問題。由于師范教育改革對師范生要求不斷提高，課程的學法和內容也要與時俱進，怎樣建構新的課程體系是高師院校需要解決的問題。

一、課程教學現狀

1.師資力量薄弱。生物信息學不僅對教師專業知識要求高，同時也需要有計算機理論基礎的教師來授課。但目前教授生物信息學課程的教師大多都為其他生物學課程的教師，這些教師往往缺乏專業的生物信息學分析軟件操作訓練和計算機基礎，不能將各學科更好融合。

2.教學方法滯后。生物信息學是一門交叉學科，但教師在教學過程依舊采用傳統教學方法，計算機輔助教學不常見，這種授課方式不僅效果欠佳也沒有發揮此學科的優勢。而且在教學過程中不注重培養學生對生物信息學的重要性的認識，所以學生認為該課程只是理論學科，認識不到其對實踐操作能力的重要和生物數據分析的意義。

3.實踐教學不足。受傳統的教學觀念影響，教師在教學過程中只注重理論教學忽視實踐教學，導致學生所學的理論知識與實踐脫節。因為生物信息學對于網絡高度依賴，但由于受學時限制，課堂教學的內容有限，實踐教學課時數較少，內容也比較簡單，缺乏完善的實踐教學過程，學生也缺乏實際動手操作的能力。

4.考評方案簡單。生物信息學的考核重點是學生對生物信息基本概念的理解，軟件操作的掌握程度及生物數據分析解釋的能力。但一些學校的考試形式還全部是理論知識，缺少實際操作能力的檢驗，這種考評辦法的評價效能差，而且不能體現學科的特點。

二、課程體系建設優化

1.提高教師素質。教師是教學的核心資源，其知識水平和操作技能都會影響教學的效果。提高教師素質首先要對任課教師開展《生物信息學課程教學改革和實踐》專題講座，其次鼓勵教師通過查閱相關文獻，了解課程的特點及發展，組織大家進行討論，再次，也要積極組織教師參加科研活動，提高科研新能力，在科研過程中進一步了解本學科的前沿內容。

2.編寫教學標準。如今的教師專業化不只是強調教師要有扎實的理論知識，更要有實踐能力。所以生物信息學的課程建設改革要組織新的教學內容，合理安排理論學時特別是實驗學時。課程標準對生物信息學的研究內容、現狀和發展前景做具體的介紹，主要對生物信息學的基本概念和基本方法進行講解，重點是分析軟件的操作方法和生物學數據庫的使用方法的講解。

3.改進教學方法。師范教育改革意味著對師范生各方面要求的逐漸提高，學生不能只被動接受知識，所以教師在教學中要利用多媒體輔助進行直觀教學，演示生物學數據庫的瀏覽與檢索，軟件的使用，基因序列的檢索、基因閱讀框架的找尋、序列比對、進化樹的構建等操作。教師也可以提供課件和DNASTAR、DNAMAN、MEGA、BIOEDIT等軟件安裝程序及使用手冊等擴大學生的自學空間，使學生的被動學習變為主動學習，也符合師范教育對學生創造能力、應用能力的培養。

4.教學科研結合。生物信息學教學強調能力的培養，且學科的交叉性也能使學生將所學知識與之結合。教師可以鼓勵學生參與相關課題研究，學校也可以提供機會讓學生參與到創新創業性研究的科研項目中，這樣的學習方式可以激發學生對科研的興趣，鞏固課程中所學到的知識，使學生掌握生物信息學課程的實踐技能，也更好的體現對師范生創新能力培養。

5.優化理論課結構。師范教育提倡以學生為主體的授課方式，所以課堂可以采取不同的學習方式如小組合作或學生講述等以此豐富理論課的教學模式。教師可以提出問題由小組成員討論研究學習，課堂也可以以自講的方式進行學習，學生通過查閱資料了解學科在臨床醫學、藥物產業等方面的應用以及在后基因組時代的主要研究內容等，不僅掌握了前沿知識同時也鍛煉教師技能，對于師范教育培養有很好的促進作用。

6.加強實驗課建設。師范教育在強調師范生理論知識的同時更注重實際的操作能力，所以實驗教學起著越來越重要的作用，在學習中通過生物數據庫的使用，可以提高學生處理生物信息的能力。生物學數據庫均可以通過網絡提供數據檢索服務，學生可以根據理論知識進行相應的實際操作。學院可以進一步開放實驗室，為學生創造動手操作的自學實驗環境。

7.改革考核方法?？荚囀菣z測教學效果的方法，也是促進學生學習的有力手段。如何考核需要制定詳細的評價指標體系。生物信息學的考核改革是在基礎考核之上增加了小組答辯和論文成績。小組答辯以生物信息學在疾病研究中的應用為擬設計命題，培養學生協作收集整理相關文獻并展示其整合分析結果的能力。論文以蛋白質生物信息學分析在藥物靶點挖掘和藥物設計中的應用為題。最后根據論文結構完整性和內容獨創性、條理邏輯性和學術水平進行評分。

三、課程體系構建的進一步設想

進一步利用網絡學習平臺慕課擴展生物信息學的理論深度與新技術發展，學生可以進一步接觸并利用云計算等技術對大數據進行處理，或基于手機客戶端讓學生隨時可以查詢及學習，這樣的構建既是生物信息學課程建設的發展，也是培養學生能力的體現。生物信息學課程建設改革對學生綜合運用知識的能力起到了促進作用，也加強了理論聯系實踐的操作能力。生物信息學能夠培養學生全面掌握生物學知識，對今后選擇生物學科領域的工作有推動作用，也是師范生成為合格人民教師的理論基礎。

參考文獻：

[1]藍秋燕.教師資格證“國考”下師范類教學法課程變革的探討[J].高教論壇，2014，（3）.

[2]林玉生，汪磊，久梅.談教師資格證國考框架下的高師心理學教學改革[J].遼寧師專學報（社會科學版），2016，（3）.

[3]趙屹，谷瑞升，杜生明.生物信息學研究現狀及發展優勢[J].醫學信息學雜志，2012，33（5）.

[4]于嘯，孫紅敏.計算機專業設置生物信息學課程的建設與實踐[J].計算機教育，2010，（14）.

[5]湯麗華.淺談大學本科生物信息學課程建設與教學[J].高校講壇，2010，（17）.

[6]陶嫦立.關于提高生物類專業《生物信息學》教學的一些建議[J].教育教學論壇，2016，（32）.

[7]石春海，肖建富，吳建國.構建優質教學體系 促進《遺傳學》精品教育[J].遺傳學教學，2013，35（1）.

[8]王彬，韓贊平，張澤民，等.《遺傳學》課程建設的實踐與思考[J].洛陽師范學院學報，2008，（5）.

[9]吳建盛，李政輝，張悅.強化創新型開放性實驗 促進生物信息學課程建設[J].信息通信，2013，（6）.

收稿日期：2016-11-21

篇2

關鍵詞：生物信息學 遺傳學 教學方法 教學內容

遺傳學（Genetics）是研究自然界中生物的遺傳和變異規律的科學，是生命科學領域中最為重要和基礎的學科之一。它也是生物科學中一門最具活力，發展最迅速的理論科學，又是一門緊密聯系生產實際的基礎應用科學，對探索生命起源和本質，推動整個生物科學的發展起著巨大的作用。因此，遺傳學作為生命科學相關專業的一門重要主干課程，在教學中起著舉足輕重的作用。

一、生物信息學專業開設遺傳學的必要性

20世紀80年代末，由分子生物學、計算機科學以及信息技術等學科的交叉和結合產生了生物信息學（Bioinformatics），它是基于分子生物學與多種學科交叉，以計算機為工具對生物相關信息進行儲存、檢索和分析的科學，是當今生命科學和自然科學的重大前沿領域之一。近20年，特別是隨著人類基因組計劃（human genome project，HGP）不斷拓進，生物信息學作為跨越和融合生命科學與信息技術的新興學科已成為生命科學核心領域和最具活力的前沿領域之一。生物信息學專業應運而生。國內單獨設立生物信息學本科專業的高校較少，且普遍較晚。

遺傳學與生物信息學兩個學科之間關系密切。有國內學者利用美國《科學引文索引》（SCI）數據庫web of science，運用文獻計量學方法對8種權威生物信息學期刊2001年至2010年于2011年1月15日之前上傳至wed of science的全部文獻進行統計及分析。對施引文獻按跨學科強度排列的結果顯示，遺傳學及基因與生物信息學跨學科文章發表量居第二位，僅次于生物化學與分子生物學。這說明，生物信息學與遺傳學直接的跨學科研究較多，二者交叉學科的發展關系密切。因此，生物信息學專業開設《遺傳學》課程十分必要。

二、遺傳學教學中存在的問題

多年來，不同專業的《遺傳學》課程的教學過程中涌現出一些共性問題，這些問題在生物信息學本科專業的教學過程中也存在。一是，學科拓展深化與課時壓縮之間的矛盾。隨著遺傳學研究范疇的不斷拓展，新的學科分支相繼涌現，信息量逐步擴增，待教授內容逐漸增加且顯得零散。但隨著大學素質教育改革的進行，更多新的選修課、實驗課被引入，遺傳學理論課時被壓縮，課時減少與內容增多的矛盾日益突顯。二是，遺傳學與其他課程教學內容設置與組織易重復。學科交叉為科研工作提供源源不斷的動力，但在教學工作中學科滲透也造成教學內容重疊，基礎和關緊技術重復教學的問題。例如，分子遺傳學是遺傳學重要組成部分，是目前遺傳學研究的重點和熱點，與生物信息學關系最為緊密，它包括的遺傳物質的本質，基因的調控，基因重組等內容也在基因工程、分子生物學、細胞學等課程中作為講授重點。如何利用有限的理論課時，合理安排教學內容，提高教學效率值得思考。

與此同時，生物信息學作為比較新的本科專業，開設各課程之間的銜接問題也比較突出。生物信息學專業的學生在大二開始全面生命科學和信息技術相關程學習。在理論知識在實際中如何應用缺乏概念，學生達不到共鳴，這也是生物信息學專業低年級學生面臨的通病。遺傳學課程安排在大學二年級上學期講授，對于剛剛接觸專業課程的學生而言本來就陌生，而且信息技術和生命科學相關課程獨立講授，二者貌似是兩條平行線，怎樣相交碰撞出火花，對于學生來說很難結合，必須由任課老師在授課過程中充分引導。傳統的《遺傳學》課程教學注重以雜交分析為主的經典遺傳學理論的講解，很大篇幅集中在三大定律（分離定律、自由組合定律以及連鎖和互換定律）的教授上。遺傳學課程教學重點集中在經典遺傳學定律，經典案例跟不上學科發展。這個問題已經被一線教育工作者認知。

綜上，由于學科本身發展迅速，涵蓋知識范圍越來越廣，課時壓縮等原因，容易讓學生在學習過程中對該課程產生“內容太發散”“課時進程快”“知識跨越大”等認識，不利于課程的學習。由此可能造成，內容廣泛且繁雜“抽象且深奧”枯燥無味，容易讓學生覺得難或者枯燥。學生學習主動性不高。因此，在教學實踐中，針對不同專業性質和培養目標存在的差異，不同專業《遺傳學》課程教學應在知識體系、內容側重點、教學方法等方面在各專業間有所區分。特別是生物信息學這種學科交叉性強的專業，如何實施該專業本科生遺傳學的教學，以達到即符合本科教學難易程度的要求，又被大多數同學接受，同時能符合生物信息學學科自身特點，需要在教學過程中逐步的探索與實踐。本文將結合資深授課教師經驗及筆者生物信息學本科專業《遺傳學》教學經歷對這一問題進行闡述。

三、教學過程中的探討與實踐

1.制定具有專業特色的教學內容

（1）優化教學內容，關注專業需求

生物信息學專業的課程教學中，遺傳學相關知識是需要講授的重點。傳統遺傳學課程教學將重點內容集中于經典遺傳學定律及其相關知識的講授，其優點在于能夠幫助學生打牢遺傳學知識基礎，缺點在于教學內容過于單一，沒有包含遺傳學重要分支的最新知識，無法與當前的研究熱點聯系起來，學生學習興趣不高。隨著國際遺傳學研究的深入，分子遺傳學和群體遺傳學得到長足發展，極大地豐富了遺傳學的知識體系。為了緊跟國際研究前沿，國內許多高校對遺傳學課程進行了教學改革，在經典遺傳學教學的基礎上，紛紛加入了分子和群體遺傳學的教學內容，為后續開展更深入的專業研究和學習奠定了良好的知識基礎。為了幫助學生對遺傳學知識體系形成全面而系統的認識，結合生物信息學專業特點，在教學設計時借鑒了以“遺傳信息”為主線的教學思想，教學內容涵蓋了“經典”“分子”和“群體”三類主體遺傳學內容。在現實教學中，受遺傳學課時限制，對所有遺傳學知識點進行了梳理和必要的刪減，既把握三種遺傳學知識的內在聯系，做好各部分知識的教學銜接，同時注意區分三者的不同，突出教學重點，做到“主題鮮明，重點突出，點面結合，結構清晰”，使學生在掌握經典基礎理論知識的同時了解最新的遺傳學研究進展。

（2）生物信息學專業遺傳學課程與其他課程的銜接

遺傳學是研究生物遺傳和變異的科學，以遺傳物質結構和功能為研究對象，是生命科學的主干。因此，與其他學科在內容上有交叉或重疊無法避免。同中求異，突出遺傳學的特色，是教學中值得研究的問題。遺傳物質的本質、染色體畸變、基因突變、遺傳調控等章節與微生物學、細胞生物學、生物化學內容重復較多，可以強調知識結構的完整性，淡化這些內容的分子結構和生化過程的講解。例如，結合孟德爾定律和摩爾根定律案例，著重從染色體和基因角度切入，增強遺傳學色彩，同時對其他課程起到提綱挈領的作用。

（3）結合生物信息學，引入最新研究成果，體現前沿性

在處理好學科銜接之后，還需要關注的就是內容與生物信息學的結合。學生在學習過程中，最想了解的莫過于，這門課程與我的專業有什么聯系？因此，在講授內容中加入生物信息學手段解決遺傳學問題的新成果既體現前沿性，又能提高遺傳學課程的專業針對性。教師平時要多注意積累教學素材，對于現階段比較熱點且與生物信息學相關的、應用性強的問題，要在課程基礎知識講授后，進行一定拓展。例如，在講授基因定位和遺傳圖繪制時，引入用EST進行基因定位及遺傳圖譜繪制等內容；在講到遺傳家譜時，引入通過對患病群體或家系進行外顯子組測序分析，對小家系孟德爾遺傳病的致病基因進行鑒別和定位的例子。通過引入生物信息學教學例子，不僅可以使學生加深對遺傳學知識的理解，還可幫助學生了解生物信息學最新進展，激發對后續生物信息學專業課程的學習興趣。

2.教學方法多樣化，提升學生學習興趣

遺傳學教學內容繁雜、理論性強，不易理解。為了提高教學效果，在教學模式上必須變“以教師為主體”為“以學生為主體”，注重采用靈活多樣的教學方法和手段，開展多媒體教學、案例教學和研討教學等，將傳統抽象、枯燥的說教式教學轉變為具體、生動的參與式教學，增強教與學的雙向互動。

（1）多媒體教學方式

計算機多媒體輔助教學改變了傳統的黑板加粉筆，以教師為中心灌輸式教學模式。多媒體通過實時可交互的多維動畫及圖像展示，可以增強教學內容的展示效果，提高課堂教學的信息量和容積率，提升學生學習興趣，加深對枯燥晦澀知識點的理解，提高教學效率。充分利用多媒體課件的超文本功能、交互功能、網絡功能的優勢，比如Holliday模型是分子水平上關于遺傳重組機制的重要模型，很好解釋了基因轉變現象。在講到Holliday模型時，為了讓學生直觀了解單鏈交換重接及分支移動后的Holliday交叉旋轉180度形成Holliday異構體的過程，采用了動畫、圖片、電子板書相結合的方式，很容易讓學生理解空間旋轉互換的過程，以及基因轉變產生的原因等較難理解的知識點，反響較好。此外，聲音、視頻、動畫、圖片等便于學生拆解枯燥內容。

（2）案例教學

案例教學是一種創新型的教學方式，主要通過開放課堂、增強互動，培養學生運用所學知識解決實際問題的能力。案例教學需要結合本課程的專業理論知識，著眼于達成課程教學目的，編寫和準備基于一定事實且具有一定場景的教學案例，這些教學案例要能夠啟發學生的思考，促進學生將從外部學習的知識吸收轉化內在的專業素養和能力。在教學實踐中，教學案例是“教”與“學”互動的橋梁和紐帶，使枯燥乏味的學習過程變得活潑有趣；“教”不是告訴學生怎么去做，而是啟發學生如何去思考，對學生針對案例問題提出的解決思路進行引導和評價，鼓勵學生創新性思考，找到最優的問題解決方法；“學”不是被動的接受，而是主動的思考和創造，通過與他人而不僅僅是老師進行互動和交流，加深對知識的理解，培養解決實際問題的能力。

案例教學的核心是精心設計教學案例，將知識內化在符合實際又富于想象的故事情景中，使得學生通過身臨其境將抽象的理論知識具體化，學會如何用概念性和原理性知識在實際工作和研究中解決問題，進而加深對特定原理和概念內涵的理解。在教學實踐中，先以典型案例提高學生興趣，把抽象的東西具體化，讓學生變被動接受為主動思考，激發學生的求知欲。注重培養學生創造力和解決問題的能力。通過案例的分析，深化學生對基本原理、基本概念的理解。案例教學能很好地啟發學生進行自主思考，對于理論性較強，比較枯燥的內容，通過案例式教學能激發學生學習興趣。所舉案例應具有針對性，要考慮案例產生的時間、背景和條件，要貼近生活，耳熟能詳，與時俱進。在處理問題的同時，獲取知識。進行案例教學過程中，要注重與學生的互動。圍繞教學目的，選擇合適案例，進行啟發式教學，調動學生參與性。教師不能一味平鋪直敘的講案例，還要注意學生的參與度。只有學生和教師共同參與，才能達到預期教學效果。

（3）以學生為主體的教學

以往課程中，往往針對經典類型習題進行講解，參考“標準答案”。在實際教學中發現，這樣往往造成學生思想禁錮，學科交融性不夠。特別是對于生物信息學專業的學生來說，傳統習題課或者討論課，沒有實用效果。習題課及討論課應注重實用性，關注遺傳學與生物信息學學科發展與融合，設置開放性答案，突出培養學生創新性的應用能力。

課堂教學不僅要“授業”，更要“傳道”，即培養學生如何學習和如何思維。根據教學內容和學生的認知水平，研究、討論、交流式的教學模式的引入，有助于調動學生積極性。采用專題自學，規定材料與學生自學有機的結合起來，開展研討，充分體現學生觀點。同時，教師只起到點評引導作用，能培養學生獲取信息、分析問題、創造性的解決問題的能力，有利于學生形成科研創新意識。教師如何正確引導是開展研討式教學的重點。首先，應明確課程在相關領域中的作用和地位，了解課程的教學內容，選擇課程中適合研討的內容，并將研究與討論貫穿教學的全過程。在選擇題目時，要考慮專業相關程度及考慮不同學生層次的需求，考慮學生個體間的差異，難度適宜。

四、結語

生物信息學本科專業遺傳學的教學，以孟德爾定律為基礎，分析遺傳物質的存在形式、傳遞、保存及變化，課程脈絡更加清晰，通過案例教學的等教學模式，激發興趣，并有利于與后續課程連接，在實踐教學中體現了比較好的教學效果。因為生物信息學專業的需求與傳統生物專業有差異，教學內容側重點不同這給教師備課增加了難度。同時，在期末考核時，由于講授側重點不同，考試側重點也應有所區別，在師資允許的前提下，引入小班教學，有利于教學側重點突出。后續課程如果設置分子遺傳學，將使知識體系更加完整。

參考文獻：

[1]李巨超，李楠.適應應用型人才培養模式的遺傳學教學改革與探索[J].中國科教創新導刊，2012，（2）：66.

[2]巴恩斯.遺傳學工作者的生物信息學[M].丁衛，李慎濤，廖曉萍，譯.北京：科學出版社，2009.3.

[3]皮妍，林娟，侯嶸，等.國內高校遺傳學教材發展研究[J].遺傳，2009，31（1）：109-112.

[4]武妍，胡德華.生物信息學跨學科研究[J].現代生物醫學進展，2012，（12）：137-141.

篇3

《離散數學》是以一切離散量為研究對象的一門學科，包括數理邏輯、關系代數、罔論、集合論等多方面內容。這門學科在計算機科學的發展和研究中起著重大的作用，比如在編譯原理、數據結構、數據庫系統、人工智能、計算機網絡等專業課中都大量涉及了離散數學中各個分支的基本概念、基本理論和基本方法。所以它還有一個專業的名字――組合數學。離散數學是掌握和研究計算機學科的必要理論基礎。

有時人們也把離散數學和圖論加在一起算成是離散數學。離散數學是計算機出現以后迅速發展起來的一門數學分支。計算機科學就是算法的科學，而計算機所處理的對象是離散的數據，所以離散對象的處理就成了計算機科學的核心，而研究離散對象的科學恰恰就是離散數學。離散數學的發展改變了傳統數學中分析和代數占統治地位的局面。現代數學可以分為兩大類：一類是研究連續對象的，如分析、方程等，另一類就是研究離散對象的離散數學。離散數學不僅在基礎數學研究中具有極其重要的地位，在其它的學科中也有重要的應用，如計算機科學、編碼和密碼學、物理、化學、生物等學科中均有重要應用。微積分和近代數學的發展為近代的工業革命奠定了基礎。而離散數學的發展則奠定了本世紀的計算機革命的基礎。計算機之所以被稱為電腦，就是因為計算機被人編寫了程序，而程序就是算法，在絕大多數情況下，計算機的算法是針對離散的對象，而不是在作數值計算。正是因為有了離散算法才使人感到計算機好像是有思維的。

離散數學不僅在軟件技術中有重要的應用價值，在企業管理、交通規劃、戰爭指揮、金融分析等領域都有重要的應用。在美國有一家用離散數學命名的公司，他們用離散數學的方法來提高企業管理的效益，這家公司辦得非常成功。此外，試驗設計也是具有很大應用價值的學科，它的數學原理就是組合設計。用組合設計的方法解決工業界中的試驗設計問題，在美國已有專門的公司開發這方面的軟件。最近，德國一位著名離散數學家利用離散數學方法研究藥物結構，為制藥公司節省了大量的費用，引起了制藥業的關注。

在1997年11月的南開大學離散數學研究中心成立大會上，吳文俊院士指出，每個時代都有它特殊的要求，使得數學出現一個新的面貌，產生一些新的數學分支，離散數學這個新的分支也是在時代的要求下產生的。最近，吳文俊院士又指出，信息技術很可能會給數學本身帶來一場根本性的變革，而離散數學則將顯示出它的重要作用。楊樂院士也指出離散數學無論在應用上和理論上都具有越來越重要的位置，它今后的發展是很有生命力、很有前途的，中國應該倡導這個方面的研究工作。萬哲先院士舉例說明了華羅庚、許寶祿、吳文俊等中國老一輩的數學家不僅重視離散數學，同時還對離散數學中的一些基本問題作了重大貢獻。迫于中國離散數學發展自身的需要，以及中國信息產業發展的需要，在中國發展離散數學已經迫在眉睫，刻不容緩。

2.《離散數學》與計算機軟件

隨著計算機網絡的發展，計算機的使用已經影響到了人們的工作、生活、學習、社會活動以及商業活動，而計算機的應用根本上是通過軟件來實現的。我在美國聽到過一種說法，將來一個國家的經濟實力可以直接從軟件產業反映出來。我國在軟件上的落后，要說出根本的原因可能并不是很簡單的事，除了技術和科學上的原因外，可能還跟我們的文化、管理水平、教育水平、思想素質等諸多因素有關。除去這些人文因素以外，一個最根本的原因就是我國的信息技術的數學基礎十分薄弱，這個問題不解決，我們就難成為軟件強國。然而解決這一問題決不是這么簡單，信息技術的發展已經涉及了很深的數學知識，而數學本身也已經發展到了很深、很廣的程度，并不是單憑幾個聰明的頭腦去想想就行了，更重要的是需要集體的合作和力量，就像軟件的開發需要多方面的人員的合作。美國的軟件之所以能領先，其關鍵就在于在數學基礎上他們有很強的實力，有很多杰出的人才。一般人可能會認為數學是一門純粹的基礎科學，1+1的解決可能不會有任何實際的意義。如果真是這樣，一門純粹學科的發展落后幾年，甚至十年，關系也不大。然而中國的軟件產業的發展已向數學基礎提出了急切的需求：網絡算法和分析、信息壓縮、網絡安全、編碼技術、系統軟件、并行算法、數學機械化和計算機推理，等等。此外，與實際應用有關的還有許多許多需要數學基礎的算法，如運籌規劃、金融工程、計算機輔助設計等。如果我們的軟件產業還是把眼光一直盯在應用軟件和第二次開發，那么我們在應用軟件這個領域也會讓國外的企業搶去很大的市場。如果我們現在在信息技術的數學基礎上大力支持和投入，那將是亡羊補牢，猶未為晚；只要我們能搶回信息技術的數學基地，那么我們還有可能在軟件產業的競爭中扭轉局面，甚至反敗為勝。吳文俊院士開創和領導的數學機械化研究，為中國在信息技術領域占領了一個重要的陣地，有了雄厚的數學基礎，自然就有了軟件開發的競爭力。這樣的陣地多幾個，我們的軟件產業就會產生新的局面。值得注意的是，印度有很好的統計和離散數學基礎，這可能也是印度的軟件產業近幾年有很大發展的原因。

3.離散數學在國外的狀況

縱觀全世界軟件產業的情況，易見一個奇特的現象：美國處于絕對的壟斷地位。造成這種現象的一個根本的原因就是計算機科學在美國的飛速發展。當今計算機科學界的最權威人士很多都是研究離散數學出身的，美國最重要的計算機科學系（MIT，Princeton，Stanford，Harvard，Yale，...）都有第一流的離散數學家。計算機科學通過對軟件產業的促進，帶來了巨大的效益，這已是不爭之事實。離散數學在國外早已成為十分重要的學科，甚至可以說是計算機科學的基礎。一些大公司，如IBM、AT&T都有全世界最強的組合研究中心。Microsoft的Bill Gates近來也在提倡和支持計算機科學的基礎研究。例如，Bell實驗室的有關線性規劃算法的實現，以及有關計算機網絡的算法，由于有明顯的商業價值，顯然是不會對外公開的。美國已經有一種趨勢，就是與新的算法有關的軟件是可以申請專利的。如果照這種趨勢發展，世界各國對離散數學和計算機算法的投入和競爭必然日趨激烈。美國政府也成立了離散數學及理論計算機科學中心DIMACS（與Princeton大學、Rutgers大學、AT&T聯合創辦的，設在Rutgers大學），該中心已是離散數學理論計算機科學的重要研究陣地。美國國家數學科學研究所（Mathematical Sciences Research Institute，由陳省身先生創立）在1997年選擇了離散數學作為研究專題，組織了為期一年的研究活動。日本的NEC公司還在美國的設立了研究中心，理論計算機科學和離散數學已是他們重要的研究課題，該中心主任R.Tarjan即是離散數學的權威。美國重要的國家實際室（Los Alamos國家實驗室，以造出第一顆原子彈著稱于世）從曼哈頓計劃以來一直重視應用數學的研究，包括離散數學的研究。有關離散數學的計算機模擬項目經費達三千萬美元。不僅如此，該實驗室最近還在積極充實離散數學方面的研究實力。美國另外一個重要的國家實驗室Sandia國家實驗室有一個專門研究離散數學和計算機科學的機構，主要從事組合編碼理論和密碼學的研究，在美國政府以及國際學術界都具有很高的地位。由于生物學中的DNA的結構和生物現象與離散數學有密切的聯系，各國對生物信息學的研究都很重視，這也是離散數學可以發揮作用的一個重要領域。前不久召開的北京香山會議就體現了國家對生物信息學的高度重視。據說IBM也將成立一個生物信息學研究中心。由于DNA就是離散數學中的一個序列結構，美國科學院院士，近代離散數學的奠基人Rota教授預言，生物學中的組合問題將成為離散數學的一個前沿領域。

最近Thomson Science公司創刊的一份電子刊物《離散數學和理論計算機科學》即是一個很好的說明。它的內容涉及離散數學和計算機科學的眾多方面。由于計算機軟件的促進和需求，離散數學已成為一門既廣博又深奧的學科，需要很深的數學基礎，逐漸成為了數學的主流分支。本世紀公認的偉大數學家蓋爾芳德預言離散數學和幾何學將是下一世紀數學研究的前沿陣地。這一觀點不僅得到國際數學界的贊同，也得到了中國數學界的贊同和響應。

加拿大在Montreal成立了試驗數學研究中心，他們的思路可能和吳文俊院士的數學機械化研究中心的發展思路類似，使數學機械化、算法化，不僅使數學為計算機科學服務，同時也使計算機為數學研究服務。吳文俊院士指出，中國傳統數學中本身就有濃厚的算法思想。

今后的計算機要向更加智能化的方向發展，其出路仍然是數學的算法和數學的機械化。另外的一個有說服力的現象是，離散數學家總是可以在大學的計算機系或者在計算機公司找到很好的工作，一個優秀的離散數學家自然就是一個優秀的計算機科學家。

篇4

關鍵詞 圖像處理；圖像分析；實踐教學；教學改革

中圖分類號：G642.0 文獻標識碼：B

文章編號：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

生物醫學工程是一個由理、工、醫交叉融合的新興學科，是多門工程學科向生物醫學領域滲透的產物，包括生物信息學、醫學圖像處理、生物力學及生物材料、醫療器械等多個分支。其中，醫學圖像處理與分析是利用數學原理和方法，在計算機上針對不同醫學影像設備（如CT、MRI、B超、PET、SPECT、顯微鏡等）產生的圖像，按照實際需要進行處理、加工和分析。隨著醫學成像技術的發展與進步，圖像處理技術在醫學研究與臨床診斷中的應用越來越廣泛，因此，醫學圖像處理與分析這門課程的地位和作用也日益重要。

該課程是以數字圖像處理為基礎，介紹圖像處理中的基本概念、理論和算法，特別針對醫學圖像處理研究中的基本問題以及解決這些問題的原理和實現方法，使學生能夠編程將圖像處理算法應用于醫學圖像的處理和分析，是生物醫學工程及相關專業的核心主干課程之一。

醫學圖像處理與分析這一課程起點高、難度大、理論和實踐緊密結合，課程建設難度較大。雖然目前已有不少院校開展本課程的教學工作，但實際教學情況并不十分理想，主要表現在教材缺乏和實踐環節較少。在中國期刊網上，以題名包含“醫學圖像處理”或“生物圖像處理”以及題名中包含“教學”為檢索條件，只獲得文獻18篇，其中涉及該課程實踐教學的只有6篇，主要集中于虛擬實驗室和實驗教學系統的研發[1-6]上，可見在國內關于該課程的教學研究尚不多見。

筆者結合教學實踐經驗，在理論教學改革的基礎上[7]，提出一些實踐教學環節的改革措施，以全面培養學生的學習技能，激發學習興趣，改善教學效果。

2 實驗與課程設計的開展

以“科研為教學服務，教學促進科研”為宗旨，采用MATLAB編程語言為實驗教學平臺，以醫學圖像處理知識為主，同時綜合醫學成像系統、醫學電子學等相關課程的知識，編寫《醫學圖像處理與分析課程的實驗與課程設計指導書》，設置驗證型、綜合型和設計型三大類實驗（參見表1）。其中，實驗1～9為驗證型實驗，學生通過調用MATLAB中已有的圖像處理程序來完成實驗，加深對理論教學重點和難點的理解；實驗10～14是綜合型實驗，學生針對醫學圖像的具體特點，綜合運用多種算法達到圖像處理的目的；實驗15～24是設計型實驗，給定實驗目的和要求，學生自行設計實驗方案并編程實現，培養他們查閱資料、分析問題和解決問題的能力[6-8]。

3 第二課堂的實施

為培養學生的科研實踐能力，教師有意識地在課堂中簡要介紹自己科研項目的基本情況，鼓勵和引導學生參加自己的科研項目研究。這不僅增強了他們對該課程的學習興趣和重視度，而且使他們親身經歷并體驗了醫學圖像處理和分析知識怎樣應用于科研和臨床。

由于南通大學附屬醫院擁有門類齊全的現代化醫療儀器設備，因此鼓勵學生利用假期在醫院實習，特別是到影像科和檢驗科實習，學習和掌握各種儀器的功能和圖像處理的場合，從而有助于他們將理論知識與實際問題相結合，提高實際工作的能力。

在教學過程中，適當融入一些就業方向的指導，介紹醫學圖像處理在醫院和醫療器械公司的應用狀況，同時簡要介紹課程中沒有涉及但與工作密切相關的最新最熱門的醫學圖像處理知識，供學生課后自學和深入研究。這樣一方面增強了學生的自信，獲得了更好的教學效果；另一方面也拓寬了學生的視野，引導他們尋找自己發展的方向和目標。

4 結論

本文結合筆者多年來的教學經驗，針對醫學圖像處理與分析課程的實踐教學環節提出一些改革措施，秉承“加強基礎、重視應用、培養能力”的宗旨，以“內容的基礎性、方法的先進性、學科的交叉性”為原則，編寫《醫學圖像處理與分析課程的實驗與課程設計指導書》，積極開展第二課堂，實現教學、實驗、科研三管齊下，課內、課外、理論、實踐同時并舉的教學格局，有效提升學生的綜合知識水平和實驗技能，為后續課程學習、畢業設計開展及科學研究奠定堅實基礎。

參考文獻

[1]趙潔.“醫學圖像處理”實驗教學探索與虛擬實驗室開發[J].西北醫學教育，2008（3）：489-490.

[2]鞏萍，胡俊峰，隋美蓉.《醫學圖像處理》實驗教學系統的設計與開發[J].中國醫學教育技術，2011（1）：49-52.

[3]王春燕，曲典，吳瑞，等.醫學圖像處理教學實驗系統的設計與開發[J].中國醫療設備，2009（11）：20-22.

[4]周蘇娟，蔣世忠，黃展鵬，等.醫學圖像處理遠程虛擬實驗教學平臺的設計與實現[J].中國醫學教育技術，2011（5）：

526-528.

[5]鄭旭媛，胡春紅，肖振國.醫學圖像處理課程設計教學模式探索[J].科技創新導報，2011（31）：167.

[6]胡彥婷，陳建軍，木拉提哈米提.生物醫學工程專業醫學圖像處理課程教學探討[J].西北醫學教育，2012（3）：534-537.

篇5

關鍵詞：模式識別；教學內容；授課方式；評價方式

模式識別是60年代迅速發展起來的一門學科，該技術用于自動將物理對象或抽象的多維模式分類到已知或可能未知的類別。目前，市場已經存在一些能進行字符識別、手寫體識別、文檔分類、指紋分類、語音和說話人識別、白細胞分類以及其他軍事目標識別的商業模式識別系統。低成本、高分辨率傳感器(如CCD攝像機、麥克風和掃描儀)和互聯網上共享的數據為我們提供了關于文本、語音、圖像和視頻的巨大數字化資源庫，對這些資源進行有效的歸檔和檢索，極大推動了模式識別算法在新領域的應用，例如文本、圖像和視頻檢索，生物信息學和面部識別等。

由于模式識別是一門理論與實踐緊密結合的學科，理論基礎涉及高等數學、線性代數、數理統計、小樣本統計學習理論、模糊數學等學科，因此該課程具有一定的抽象性和難度，學生不容易理解所學內容。為了使學生從抽象中理解具體，更好地、自主地、創新地學習，教師要在知識的傳授過程中注重學習方法的傳授，故教學探索成為模式識別課程中重要的研討內容之一。隨著社會的發展、國際交流的頻繁及網絡技術的完善，如何借鑒先進的國外教學理念，更好地培養具有創新能力的學生，也成為教學探索的一個主要問題。

1國內外教學比較

下面就從教學內容、授課方式和學生評價方式三個方面來闡明國內外模式識別教學。

1.1教學內容

模式識別領域的國內外研究者和學者已編著了大量優秀教材，由于篇幅關系，下面僅對部分教材進行簡要介紹。

Richard O. Duda等編寫的《Pattern Classification》清晰地闡明了模式識別的經典方法和新方法[1]。Sergios Theodoridis編寫的《Pattern Recognition》全面闡述了模式識別的基礎理論、最新方法以及各種應用[2]。Andrew R. Webb編寫的《Statistical Pattern Recognition》對統計模式識別的基本理論和技術作了全面且詳盡的介紹[3]。J.P.Marques de Sá編寫的《Pattern Recognition：concepts，methods，and applications》詳細介紹了有關模式識別的概念和方法，并附加多個領域的實際應用案例[4]。M.Narasimha Murty等編寫的《Pattern Recognition：An Algorithmic Approach》講解了模式識別在算法中應用的主要原則，并對模式識別的概念和最近取得的進步進行了詳細介紹[5]。Brian D.Pipley編寫的《Pattern recognition and neural networks》對模式識別和神經網絡進行了介紹，并給出了模式識別領域的許多實際例子[6]。Satoshi Watanab編寫的《Pattern recognition：human and mechanical》為模式識別提供了一個統一的標準，并介紹了該學科的廣闊前景[7]。Robert J.Schalkoff編寫的《Pattern Recognition：statistical，structural，and neural approaches》探究了模式識別的核心概念、方法和應用[8]。Keinosuke Fukunaga編寫的《Introduction to statistical pattern recognition》，每章都含有大量習題[9]。

清華大學的邊肇祺教授等編寫的《模式識別》主要討論了統計模式識別理論和方法，還介紹了人臉識別、說話人語音識別及字符識別等應用實例[10]。干曉蓉教授編寫的《模式識別》主要內容包括貝葉斯決策理論、概率密度估計、線形判別函數、無監督學習和聚類、特征選擇與提取、模糊模式識別、人工神經網絡、線形代數、多維隨機變量[11]。王碧泉教授等編寫的《模式識別：理論、方法和應用》介紹了特征選擇、聚類和判別等方面的常用模型和算法，模式識別在地震學、數字圖像處理和決策管理等領域中的應用[12]。楊光正教授等編寫的《模式識別》介紹統計識別方法和句法方法的基本理論[13]。張學工教授編寫的《模式識別》系統地討論了模式識別的基本概念和代表性方法[14]。齊敏教授等編寫的《模式識別導論》按照統計模式識別、句法模式識別、模糊模式識別法和神經網絡模式識別法四大理論體系來組織全書[15]。蔣先剛教授編寫的《數字圖像模式識別工程軟件設計》介紹圖像模式識別的基礎理論和程序實現技術，從工程應用的角度全面介紹了圖像模式識別應用軟件設計的基本方法和實用技術[16]。孫即祥教授等編寫的《模式識別》系統地論述了各類經典的模式識別的理論與方法，較全面地反映了本學科的新近科技成果[17]。

2.2授課方式

國外的授課方式往往注重內容的學習、知識的掌握和學生獨立思考。課堂教學理念重參與性、積極性、創造性和靈活性。課堂相對活躍，講授和討論相輔相成，學生能積極地參與到課堂教學中，學生參與發問或發表個人意見，課堂上的參與往往是學期分數的一部分，被認為是評估學生所學習的知識的方法，并注重學生是否有能力與教師和同學進行知性的對話。

國內的課堂教學主要以教師講授為主，學生被動接受，留給學生的自主空間較狹窄，課堂教學理念注重系統性、完整性、邏輯性、生動性、計劃性。課堂相對平靜，討論較少，學生加入到課堂教學中的情況不多，學生參與發問或發表個人意見少。

2.3評價方式

國外對學生的培養重經驗、過程、體驗和運用。學生的學習過程只是其成長的一部分，教師評價學生時十分注重多渠道收集學生在校、在家和參加社會活動的情況，通過綜合分析，對學生進行全方位的、細化的評價，其中不僅有教師對學生的評價，還包括學生的自評、學生之間的互評、家長的評價和學生參加社會活動獲得的評價。

國內的教學目標是追求知識、結果、記憶和會考試。由于教學中以教師為主，往往只注意知識的傳授，忽略了學生能力和全面素質的培養。學生能牢固地掌握知識，但知識運用能力差，主動和創新能力欠缺。教師對學生的評價注重期中、期末考試，忽略了學生參加社會活動的情況。

3教學探索

基于如下的研究結果：有效教學本質上取決于教師建立能夠實現預期教育成果的學習經驗的能力，而每個學生都參與教學活動是實施有效教學的前提[18]，我們從教學內容、授課方式、評價方式三個方面進行模式識別課程的教學探索。

3.1教學內容

教學內容的安排應與本科學生的學習特點和目前所掌握的知識程度相吻合，才能使學生牢固掌握知識。借鑒國內外教學內容情況，我們的模式識別課程的教學內容共分9個章節，分別介紹模式識別綱要、貝葉斯決策理論、極大似然估計和貝葉斯參數估計、隱馬爾可夫模型、統計語言模型、支持向量機、最大熵模型、人工神經網絡、決策樹。

第1章 通過提出問題“智能科學與技術專業的學生為什么要學習模式識別”和“應當怎樣學習模式識別課程”展開，具體介紹內容包括模式、模式識別、有監督的分類、無監督的分類、模式識別的主要方法和模式識別系統。

第2章 “貝葉斯決策理論”介紹了在概率結構都知道的理想情況下的模式分類問題。雖然這種情況在實際中很少出現，但它為我們提供了一個能夠與其他分類器進行對比的評價依據，即“最優貝葉斯分類器”，幫助我們預測推廣到新模式時的最小誤差率。

第3章 主要圍繞“極大似然估計和貝葉斯參數估計”來展開。在先驗概率和類條件概率密度已知的情況下，我們可使用“貝葉斯決策理論”來設計最優分類器。但是在實際應用中，通常不能得到和問題相關的全部概率結構知識，因此我們利用已有的信息，對問題中涉及的先驗概率和條件概率函數進行估計，并把估計結果當做實際的先驗概率和條件概率，再來設計分類器。

第4章 “隱馬爾可夫模型”在解決一些與時間序列相關的問題，即某一過程隨著時間的流逝而進行，而且某個時刻發生的事件受到前一時刻發生事件的直接影響中得到了很好的應用，隱馬爾可夫模型在語音識別領域的應用是最成功的例子。

第5章 “統計語言模型”是用來計算句子概率的模型，在很多自然語言處理的任務，如機器翻譯、語音識別、印刷體或手寫體識別、拼寫糾錯、漢字輸入中都有廣泛的應用。在獨立假設的前提下，句子的概率公式可被簡化，并被計算出來。

第6章 “支持向量機”的基本思想是尋找一個能夠將d維空間的樣本數據準確地分為兩個類別的超平面。但是，由于樣本數據經常是不可以被線性分割的，所以通過引入核函數，將樣本數據映射到一個可以線性分割這些數據的高維特征空間。而將數據映射到這樣的一個空間，通常會引起計算和過度適應問題，但是支持向量機在高維空間中不需要直接處理，這就消除了前面提到的顧慮。并且支持向量機不像神經元網絡等其他的學習算法，很難衡量其學習的性能，我們能夠清楚地計算出其在未知數據集上的VC維。

第7章 “最大熵模型”在對一個隨機事件的概率分布進行預測時，滿足全部已知的條件，而對未知的情況不進行任何主觀假設。因為在這種情況下，概率分布最均勻，預測的風險最小，概率分布的信息熵最大，所以被稱為最大熵模型。

第8章 “人工神經網絡”是在現代神經科學研究的基礎上提出的，它并沒有完全真正反映大腦的功能，只是對生物神經網絡進行某種抽象、簡化和模擬。人工神經網絡中的信息處理是通過神經元之間的相互作用來實現的，知識與信息的存儲表現為網絡元件互連分布式的物理聯系，各種神經元連接權系數的動態演化過程決定了人工神經網絡的學習和識別。

第9章 “決策樹”是一種廣泛應用的歸納推理算法，它采用逼近離散值函數的方法，具有很好的健壯性，能根據訓練數據學習出析取表達式。決策樹學習方法通過搜索一個完整表示的假設空間，從而避免了受限假設空間的不足。

3.2授課方式

遵循學生的認知規律和和學習特點，結合作者從事的模式識別課程教學，我們對模式識別的授課方式給出了如下建議。

首先，教師將不再單純地講解，而是引導學生進行學習和組織學生進行課堂活動，使學生由原來的單純聽講、被動接受灌輸轉變為主動參與課堂教學，親自去發現結論和規律，使學生學會思考和善于思考，培養學生分析和解決問題的能力。通過教師和學生互相提問和共同討論，來發揮學生的主動性，使兩者在教學過程中相互聯系和作用，教學過程成為雙方主動介入的過程。由于模式識別具有一定的抽象性和難度，因此教師講解時要盡可能通過實例引出問題，讓學生親睹實例，增加感性認識，通過圖像、動畫和視頻的生動畫面和聲音吸引學生的注意力，將抽象的理論形象化，使學生印象深刻而又便于理解。

其次，教師在傳授知識的同時也應該力所能及地幫助學生解決在生活、學習過程中遇到的疑問，對他們提出的問題給予認真、耐心的解答，幫助他們克服困難。教師在教學過程中留出一定的時間，以朋友的身份和學生交流，了解他們的想法，從中獲得一些好的意見和建議。

再次，在講解理論部分時，教師應該理論聯系實際，注重學生實踐能力的培養。適當引入一些實際生活的例子，幫助學生理解所學知識，如介紹最大熵模型，可使用“投資時不要把所有的雞蛋放在一個籃子里，這樣可以降低風險”的例子，使學生對模型的認識不再抽象。簡要告訴學生下次課的內容，鼓勵學生課后查閱相關資料，并對遇到的問題進行分析和解決，帶著問題參與下一次的課堂教學。針對每一章的授課內容，教師應精心設計和安排相關實驗，加深和鞏固學生所掌握的知識。

3.3評價方式

模式識別是智能科學與技術專業的一門重要專業基礎選修課，對學生將來的學習、工作都起著非常重要的作用。該課程不僅僅是讓學生掌握知識，更重要的是培養學生的能力。因此，教師應該積極鼓勵學生多參加社會實踐，評價時應從多渠道和多方面收集學生在校和參加社會活動的信息，通過綜合分析，對學生做出全方位的、細化和合理的評價，促進學生全面素質的培養，最終提高學生的創新能力。

4結語

模式識別是一門理論與實踐緊密結合的學科，教與學的方式值得我們研究和探索。在今后的教學工作中，我們要多從模式識別理論涉及的學科廣泛，而本科生目前還沒有完全掌握這些知識等特點出發，不斷改革、實踐和創新。同時，教師也要不斷提高自身素質和業務水平，不斷提高課堂教學質量，為國家培養更多合格的應用型本科人才。

參考文獻：

[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] 邊肇祺,張學工. 模式識別[M]. 2 版. 北京:清華大學出版社,2007.

[11] 干曉蓉. 模式識別[M]. 昆明:云南人民出版社,2006.

[12] 王碧泉,陳祖蔭. 模式識別:理論、方法和應用[M]. 北京:地震出版社,1989.

[13] 楊光正, 吳岷, 張曉莉. 模式識別[M]. 合肥:中國科學技術大學出版社,2001.

[14] 張學工. 模式識別[M]. 3版. 北京:清華大學出版社,2010.

[15] 齊敏,李大健,郝重陽. 模式識別導論[M]. 北京:清華大學出版社,2009.

[16] 蔣先剛. 數字圖像模式識別工程軟件設計[M]. 北京:水利水電出版社,2008.

[17] 孫即祥, 姚偉, 滕書華. 模式識別[M]. 北京:國防工業出版社,2009:1-280.

[18] 華榮寶.“有效課堂教學”學習材料(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)