［收稿时间］2023-02-16［基金项目］徐州医科大学教学改革项目“大数据背景下教学质量评价系统的开发”（Xjy201816）。［作者简介］刘莘（1982—），女，江苏人，博士，副教授，研究方向为机器学习、蛋白质特征表示、
蛋白组学分析。
2023年5月May，2023UniversityEducation
机器学习与模式识别课程是徐州医科大学医
学信息与工程学院在第5学期开设的专业核心课
程，开课专业包括智能医学工程、计算机科学与技
术等。在新工科建设和应用型人才培养的背景下，
随着大数据和人工智能时代的到来，机器学习算法
的应用已经渗透到信息处理领域的方方面面，掌握
基础的机器学习理论和方法可能是将来对每一位
工科技术人员的基本要求之一[1-2]。任何课程的教
学内容中都蕴含着丰富的思想政治教育元素，教学
过程所涉及的方方面面，都可能与社会的发展、人
类的进步以及文明的传承息息相关，因此在教学过
程中不断挖掘相关知识点所蕴含的思政元素、强化
立德树人的教育理念，对培养高素质工科人才有着
至关重要的作用[3]。
一、课程思政目标
机器学习与模式识别课程在介绍机器学习的
核心算法和理论、培养学生动手解决实际问题能力
的同时，将课程思政渗透至知识传授和能力培养的
各个环节，帮助学生塑造正确的三观，使其成为不
仅掌握扎实的技能，而且具备高尚的情操、高度的
责任感和使命感的复合型人才[4]。
笔者从家国情怀、专业素养和品格素养三个方
面设计了机器学习与模式识别课程思政目标，构造
了课程思政育人金字塔，如图1所示。
思政目标·家国情怀·专业素养·品格素养
举一反三、敢于探索、勇于实践、创新精神科技报国的责任感和使命感
辩证统一的观念、求真务实的科学态度不言放弃、严谨的工匠精神
图1机器学习与模式识别课程思政育人金字塔（一）家国家国情怀情怀
中华民族是有着悠久历史的伟大民族。教师
在教学过程中应通过家国情怀的培养增强学生对
国家的认同感、归属感、责任感和使命感，引导学生
手写识别实验课程设计
一、课程目标
知识目标：
1. 学生能理解手写识别的基本原理和算法流程；
2. 学生能掌握手写识别中的特征提取和分类方法；
3. 学生了解手写识别技术在生活中的应用及其价值。
技能目标：
1. 学生能运用所学的特征提取方法对手写文字进行数字化处理；
2. 学生能运用分类算法对手写文字进行识别，并评估识别效果；
3. 学生能通过实验分析不同算法在手写识别中的优缺点。
情感态度价值观目标：
1. 学生培养对手写识别技术的兴趣，激发学习热情；
2. 学生认识到人工智能技术在生活中的重要性，提高对科技创新的认识；
3. 学生通过实验，培养团队协作和解决问题的能力，增强自信心。
课程性质：本课程为实践性课程，结合理论知识与实际操作，培养学生的动手能力和创新能力。
学生特点：初三学生，具备一定的计算机基础和编程能力，对新鲜事物充满好奇。
教学要求：结合学生特点，注重理论与实践相结合，提高学生的实际操作能力和问题解决能力。通过分解课程目标为具体学习成果，使学生在实验过程中逐步达成目标，为后续教学设计和评估提供依据。 二、教学内容
1. 理论知识：
- 手写识别的基本原理和常见算法介绍；
- 特征提取方法，如HOG（方向梯度直方图）和LBP（局部二值模式）；
- 分类算法，如支持向量机（SVM）、神经网络和K近邻算法。
2. 实践操作：
- 手写文字数据集的准备与预处理；
- 特征提取和数字化处理的具体实现；
- 分类算法的应用与识别效果评估；
- 实验报告撰写，总结实验过程和结果。
3. 教学大纲：
- 第一阶段：手写识别原理及算法介绍（1课时）
- 第二阶段：特征提取方法学习与应用（2课时）
- 第三阶段：分类算法学习与识别实验（2课时）
- 第四阶段：实验总结与成果展示（1课时）
4. 教材章节：
- 《信息技术》第九章：人工智能及其应用
- 《计算机视觉基础》第三章：图像特征提取与匹配
模式识别技术
南京理工大学计算机学院
孙权森
2参考书
模式识别清华大学出版社边肇祺张学工
模式识别导论高等教育出版社李金宗
模式识别人民邮电出版社罗耀光盛立东
Pattern Classification (second edition)
(美）Richard O.Duda,etc
Statistical Pattern Recognition (second edition)
（英）Andrew R.Webb
引言
4与模式识别相关的学科
统计学
概率论
线性代数（矩阵计算）
形式语言
机器学习
人工智能
图像处理
计算机视觉
…
5教学目标
掌握模式识别的基本概念和方法
有效地运用所学知识和方法解决实际问题
为研究新的模式识别的理论和方法打下基
础
6本门课程的主要内容
第一章概论
第二章贝叶斯决策理论
第三章判别函数及分类器设计
第四章聚类分析
第五章特征选择和提取
第六章Fisher鉴别分析理论
第七章统计学习理论与支持向量机
第八章模糊模式识别
第九章模式识别应用及进展
第一章概论
8§1-1 模式识别的基本概念
一、模式识别的基本定义
¾模式(pattern) ----存在于时间，空间中可观察的事物，具
有时间或空间分布的信息。通常，我们把通过对具体的个
别事物进行观测所得到的具有时间和空间分布的信息称为
模式，而把模式所属的类别或同一类中模式的总称称为模
式类（或简称为类)。比如，文字、图片、景物是模式；
声音、语言是模式；心电图、脑电图、地震波等也都是模
式，进一步，诸如社会经济现象、某个系统的状态等也都
是模式。从这个意义上说，人们在做每个行动时都要先进
行模式识别。
¾模式识别(Pattern Recognition)-----用计算机实现人对各
种事物或现象的分析,描述,判断,识别。具体来说就是利用
计算机对某些物理对象进行分类，在错误概率最小的条件
下,使识别的结果尽量与客观事物相符。
《模式识别》课程教学大纲
一、 课程基本信息
课程代码：110441
课程名称：模式识别
英文名称：pattern recognition
课程类别：专业选修课
学 时：总学时54
学 分：3
适用对象：信息与计算科学专业本科
考核方式：考查（开卷）
先修课程：离散数学、高级语言程序设计、数据结构、高等数学、工程数学、 数字图像处理
二、 课程简介
模式识别诞生于20世纪20年代，随着计算机的出现，人工智能的兴起，模 式识别迅速发展成为一门学科。它所研究的理论和方法在很多技术领域中得到 广泛的重视，推动了人工智能系统的发展，扩大了计算机应用的可能性。几十年 来模式识别研究取得了大量的成果在很多地方得到了成功的应用。但是，由于模 式识别涉及到很多复杂的问题，现有的理论和方法对于解决这些问题还有很多不 足之处。还有待进一步研究发展。
《模式识别》就是利用计算机对某些物理现象进行分类，在错误概率最小的 条件下，使识别的结果尽量与事物相符。模式识别的原理和方法在医学、军事等 众多领域应用十分广泛，是计算机及其相关专业进行科学研究的基础。这门课的 教学目的是让学生掌握统计模式识别和结构模式识别基本原理和方法。为将来继 续深入学习或进行科学研究打下坚实的基础。
《Pattern recognition》 is a course about classification of
physical phenomenon with the help of computer, the result should best
match the real matter under the condition of least probability. The
theory of pattern recognition is widely used, including medicine,
military affairs, etc. and it is also the base of computer speciality
