夏新顏

（新鄉(xiāng)學(xué)院，河南 新鄉(xiāng)453000）

一、引言

大數(shù)據(jù)、分析技術(shù)、人工智能、機器人、虛擬現(xiàn)實技術(shù)等新一代技術(shù)的興起與應(yīng)用，尤其是基于5G 技術(shù)的更高質(zhì)量、更加流暢便捷的在線教育的興起，迅速引發(fā)了教育領(lǐng)域的重大變革。 傳承既有辦學(xué)優(yōu)勢、應(yīng)對稀缺教育資源的競爭和迎接科技進步帶來的教育教學(xué)方式變革等等，已經(jīng)成為高校面臨的嚴峻挑戰(zhàn)。

根據(jù)《2019年全國教育事業(yè)發(fā)展統(tǒng)計公報》，我國高等教育毛入學(xué)率為51.6%，標志著我國已經(jīng)由高等教育大眾化階段進入普及化階段。在高等教育快速發(fā)展過程中，在校生規(guī)模急劇擴大，結(jié)構(gòu)性矛盾更加突出，同質(zhì)化傾向嚴重，人才培養(yǎng)結(jié)構(gòu)和質(zhì)量尚不適應(yīng)經(jīng)濟結(jié)構(gòu)調(diào)整和產(chǎn)業(yè)升級的要求，高等教育功能釋放存在畢業(yè)生就業(yè)難和就業(yè)質(zhì)量低兩大突出問題。 教育部《關(guān)于“十三五”時期高等學(xué)校設(shè)置工作的意見》明確指出，以人才培養(yǎng)定位為基礎(chǔ)，我國高等教育總體上可分為研究型、應(yīng)用型和職業(yè)技能型三大類型。 形成不同類型高等學(xué)校之間各安其位、相互協(xié)調(diào)，同類型高等學(xué)校之間有序競爭、爭創(chuàng)一流的發(fā)展格局，是促進我國高等教育科學(xué)發(fā)展的關(guān)鍵。 其中，通過類型間以及類型內(nèi)協(xié)調(diào)競爭推動應(yīng)用型高校的發(fā)展是事關(guān)人才素質(zhì)培養(yǎng)和我國高等教育發(fā)展的重要內(nèi)容。 截至2018年底，全國普通本科院校有1243 所，除“雙一流”大學(xué)外，大部分高校的定位為應(yīng)用型，此類院校培養(yǎng)了超過全國高校學(xué)生總數(shù)3/4 的本科生，為推進我國經(jīng)濟社會發(fā)展以及高等教育大眾化進程起到了積極的促進作用。 從規(guī)模數(shù)量角度來看，可以說，沒有應(yīng)用型大學(xué)的辦學(xué)質(zhì)量就沒有我國高等教育的質(zhì)量，沒有應(yīng)用型大學(xué)的強大就沒有中國高等教育的強大。

自我國高等教育常態(tài)化以來，隨著對高等教育認識的不斷深化，應(yīng)用型大學(xué)的發(fā)展經(jīng)歷了U 字型的發(fā)展歷程，在當(dāng)前百年未有之大變局的時代背景下，應(yīng)用型大學(xué)教育成為解決當(dāng)前一些突出問題的重要抓手，越來越受到政界和學(xué)界的重視。 但是，應(yīng)用型大學(xué)相對于研究性大學(xué)，存在著資源總量稀缺、內(nèi)部資源結(jié)構(gòu)同質(zhì)性較強等突出問題，且在不同的發(fā)展階段中受到的制約因素不盡相同。 其原因在于，隨著時間的變化，應(yīng)用型大學(xué)投入產(chǎn)出因素的類型和權(quán)重不斷變化。 如果能夠提前通過分析獲取和預(yù)測得到對投入產(chǎn)出比影響較大的因素，能夠有針對性地將有限的人力和財力進行重點分配，將會對應(yīng)用型大學(xué)的發(fā)展起到重要的指導(dǎo)作用。 因此，不同發(fā)展階段影響應(yīng)用型大學(xué)投入產(chǎn)出效率的因素有哪些，以及如何利用好有限投入的關(guān)鍵因素推動應(yīng)用型大學(xué)的高質(zhì)量發(fā)展成為亟待解決的難題。

二、相關(guān)研究文獻綜述

近年來，我國高等教育評估工作在不斷適應(yīng)現(xiàn)代高等教育的多功能、多目標、多類型、多層次的特點，評估主體、評估目的、評估標準和評估模式等呈現(xiàn)多元化發(fā)展趨勢，但其整體創(chuàng)新能力較弱，理論研究相對滯后。 特別是在新時期我國高等教育分類發(fā)展快速推進歷程中，關(guān)于應(yīng)用型高校的評價標準和評估標準遲遲未出臺，現(xiàn)有評估制度不完善、評估標準相對單一以及產(chǎn)生制度失靈等等都是導(dǎo)致高等學(xué)校趨同性、同質(zhì)化、去特色化的重要因素。

針對以上問題，學(xué)界從不同角度對其原因以及對策進行了探討。 黃彬、陳毅華研究了應(yīng)用型大學(xué)教學(xué)質(zhì)量標準的重要參數(shù)和內(nèi)涵，并將人才培養(yǎng)目標分解在專業(yè)教育過程中［1］。張茂林等分析了福建省創(chuàng)新創(chuàng)業(yè)教育現(xiàn)狀和特征,利用層次分析法構(gòu)建了評價體系,其中包括政府扶持、企業(yè)支持、校園環(huán)境建設(shè)、師資力量培育、學(xué)生創(chuàng)新創(chuàng)業(yè)能力培養(yǎng)5 個方面要素的34 個評價指標［2］。 周琬謦依據(jù)勝任力理論和應(yīng)用型本科教育基本理論，構(gòu)建了應(yīng)用型大學(xué)教師教學(xué)能力三維結(jié)構(gòu)模型并對其構(gòu)成要素進行了內(nèi)涵解析［3］。祝建鵬基于平衡計分卡及層次分析法，構(gòu)建了4 個維度25 個指標的非營利性民辦高?？冃гu價體系［4］。但是，學(xué)者們在構(gòu)建指標體系的研究中普遍存在著分析方法手段單一以致無法解決多個因素之間的相互聯(lián)系、無法預(yù)測隨著時間變化不同因素的影響效果與權(quán)重發(fā)生改變等諸多問題。

為解決以上問題，本文提出基于優(yōu)化粒子濾波的分析方法，以河南省8 所示范性應(yīng)用技術(shù)類型本科院校為例（為引導(dǎo)和推動高校分類發(fā)展，2013年河南省探索實施新建本科院校轉(zhuǎn)型發(fā)展工作，2015年河南省啟動示范性應(yīng)用技術(shù)類型本科院校建設(shè)，入選的10 所辦學(xué)特色鮮明的新建本科院校，其轉(zhuǎn)型發(fā)展過程在較大程度上代表著應(yīng)用型高校的普遍特點），構(gòu)建辦學(xué)績效綜合評價體系。 結(jié)合對以上8 所高校2012年—2019年的辦學(xué)數(shù)據(jù)分析以及數(shù)值擬合，通過定量分析不同因素相互重合的程度以及隨著時間的改變各個因素影響權(quán)重的變化，對未來發(fā)展趨勢做出科學(xué)預(yù)測。

本文首先介紹研究應(yīng)用型大學(xué)投入產(chǎn)出指標常用的主成分分析（PCA）的原理，然后重點介紹粒子濾波方法（PF）的原理和數(shù)據(jù)分析優(yōu)點，并將濾波方法進行改進，提出適用于大學(xué)投入產(chǎn)出指標分析的優(yōu)化粒子濾波方法（AWPF），接著分別利用PCA 和AWPF 對河南省8 所應(yīng)用型高校近7年來的投入產(chǎn)出數(shù)據(jù)進行處理，并對結(jié)論進行分析，最后得出不同發(fā)展階段關(guān)鍵因素的變化，為高校工作重心的轉(zhuǎn)移提供理論依據(jù)。

三、投入產(chǎn)出指標分析方法

（一）主成分分析法

主成分分析（PCA）是一種借助于正交變換將分析變量降維的統(tǒng)計方法，它的主要原理是將與其分量相關(guān)的原隨機向量轉(zhuǎn)化成與其分量不相關(guān)的新的隨機向量。 主成分分析法的特點是：在損失很少信息的情況下，充分考慮信息的多元化變量，將復(fù)雜的因素歸結(jié)為幾個主成分指標，由于每個主成分都是原始成分的線性組合，同時各個主成分之間盡量保證互不相關(guān)，并且各個主成分的信息集合不存在交集，因此它保證利用已經(jīng)確定的主要成分將大部分有用信息準確地反映出來。 主成分分析法優(yōu)點很多，例如可以消除評估指標之間的相關(guān)影響，減少指標選擇的工作量，可以在分析問題時根據(jù)計算量的需求有選擇地舍棄部分主成分,只取方差較大的幾個主成分來進行數(shù)據(jù)分析,從而在不影響評估結(jié)果的前提下降低計算工作量，可以盡可能地避免主觀因素的影響［5］，因而它適用于評價指標較多、指標之間聯(lián)系緊密相關(guān)且主成分指標特征明顯的評價體系。 主成分分析法也存在一定的局限性：該方法不具有時變性，只能分析當(dāng)前已知指標的主要成分和評價結(jié)果，不能進行時間域的對比分析。 因此，在應(yīng)用該方法時，需要確保各評價指標要有明確的數(shù)據(jù)值；在實際應(yīng)用中，當(dāng)主成分分析計算得出的評價結(jié)果無法直接反映被評價對象的時候，只能采用其他方法解決問題，例如方案排序［6］。

確定主成分的方法：通過比較方差累計貢獻率來選取主成分，通常使得累積貢獻率達到85%以上［7］。 具體步驟如下所示：

（1）首先將原始數(shù)據(jù)進行標準化處理。 因為在所選取的數(shù)據(jù)中，各個因素的量綱、數(shù)量級不一定相同，對數(shù)據(jù)的標準化處理可以消除原始數(shù)據(jù)之間量綱上的差異，避免數(shù)量級差別較大的影響，即：

（2）確定標準化數(shù)據(jù)的相關(guān)系數(shù)矩陣，計算獲得系數(shù)矩陣的特征值與特征向量：

（3）計算方差貢獻率與累計貢獻率。 第k 個主成分Yk的方差貢獻率為：

則Y1,Y2,…,Ym的累積貢獻率為：

進行主成分分析的主要目的是降維，即減少變量的個數(shù)，因此一般情況下當(dāng)假設(shè)主成分為m，原成分為p 時，通常是m＜p。 并且m 取值原則為：通常是以所取最小正整數(shù)m 使得累計貢獻率大于等于85%最為合適，這樣既能保證信息量的無損耗傳遞，又能減少變量數(shù)目、降低計算復(fù)雜度。

（4）確定主成分，計算各主成分的得分值。 各主成分的得分為：

將計算得到的各主成分得分值作為模型的輸入值。

（二）粒子濾波理論及優(yōu)化粒子濾波算法

1999年，粒子濾波（PF）算法被首次正式提出，在各類多系統(tǒng)融合領(lǐng)域取得廣泛的應(yīng)用，例如：多傳感器數(shù)據(jù)融合、多系統(tǒng)集成中子系統(tǒng)權(quán)值的確定。 粒子濾波的基本思想是：利用附帶權(quán)重的隨機樣本粒子來計算整體系統(tǒng)的后驗概率分布。 無論不確定因素如何干擾，它都能被用于對被估計對象的均值與方差進行計算［8-11］。

其中 δ( x)為狄克拉函數(shù)，即x=0 時δ ( x)=1；否則δ ( x)=0。

1.序貫重采樣（SIS）及粒子濾波器的實現(xiàn)

粒子濾波是以序貫重采樣為基礎(chǔ)進行理論研究的［14］，并且序貫重采樣的基本理論是：在已知k-1 時刻的樣本值的前提下，對k 時刻預(yù)測值的權(quán)值進行估計。 其實現(xiàn)步驟如下：

計算k 時刻權(quán)值：

（2）計算歸一化權(quán)值：

利用粒子濾波器歸一化的權(quán)值對樣本狀態(tài)和方差進行估計［15］：

一般情況下從以下三方面對粒子濾波的效果進行評估：

首先，確定先驗概率密度函數(shù)。 對樣本權(quán)值計算有直接影響的就是先驗概率密度函數(shù)，根據(jù)預(yù)測方程和觀察方程的特征計算得到樣本的先驗概率密度函數(shù)。 正態(tài)分布、泊松分布和瑞利分布都常常被用來作為樣本的先驗分布密度函數(shù)。 為了比較粒子濾波器設(shè)計的性能好壞，本文以正態(tài)分布作為先驗密度函數(shù)，如：

其次，選擇隨機樣本區(qū)間和計算樣本步長。 采樣區(qū)間的選擇決定了參數(shù)估計的計算量，樣本的采樣空間越大參數(shù)估計的計算量就越大。 為了達到相同的估計效果，當(dāng)采樣區(qū)間分別為［-20，20］和［-30,30］時，參數(shù)估計所需要樣本數(shù)目是不同的，采樣的區(qū)間［-30,30］比區(qū)間［-20，20］需要的樣本數(shù)目大得多。 除此之外，影響計算量的另一個因素是選擇的計算步長，計算步長越大估計效果越好，但是帶來的后果就是計算 復(fù)雜程度增加，因此在設(shè)計粒子濾波器前需要根據(jù)實際的應(yīng)用場合在滿足計算精度的前提下，盡可能減小計算步長。

最后，選擇樣本門限權(quán)值。 在粒子濾波理論中，樣本的除去和保留由提前設(shè)定的閾值也就是門限值來決定，當(dāng)樣本權(quán)值低于門限值的時候，通常認為該樣本不再具備繼續(xù)作為樣本的價值。 一般情況下，樣本有效容量的計算方法如下：

其中

為了便于計算機的數(shù)字實現(xiàn)，一般情況下將公式（12）、（13） 簡化為：

假設(shè)設(shè)門限值為 Nthreshold： 當(dāng)時，該樣本不再具有分析的價值，該樣本將被清除。 樣本門限的設(shè)定非常重要，一般情況下觀測方程中非線性強度越大，樣本門限值越低；根據(jù)計算方法不同可分為軟閾值門限和硬閾值門限，對于硬閾值門限通常情況下取

2.優(yōu)化的自適應(yīng)因子粒子濾波（AWPF）算法

基于傳統(tǒng)的粒子濾波（PF）算法，本文提出優(yōu)化后的自適應(yīng)因子粒子濾波（AWPF）算法。 根據(jù)自適應(yīng)因子公式，該算法能夠根據(jù)最近實際發(fā)生的結(jié)果自適應(yīng)調(diào)整樣本之間權(quán)值，達到更好的樣本權(quán)值分配效果。 具體實施步驟如下：

（4）接著根據(jù)以下自適應(yīng)優(yōu)化公式判斷樣本是否具有繼續(xù)被保留的價值：

對于不同時刻的采樣粒子，重復(fù)步驟1，2，3, 4 得到樣本估計矩陣與歸一化權(quán)值矩陣，其中N 表示某時刻的樣本數(shù)目（由采樣區(qū)間決定），T 表示采樣時間長度（采樣時長越長估計效果越好，但是計算量越大）。

為了便于仿真結(jié)果的比較和分析，本仿真模型采用參考文獻［12］中典型的系統(tǒng)方程模型。 公式如下：

其中xk+1是估計預(yù)測的方程，yk是觀察確認的方程；uk是系統(tǒng)模型不確定的因素 ［本文將高斯噪聲ukN（0，10）作為影響系統(tǒng)的不確定因素］，vk是計算過程中的誤差［本文將高斯噪聲vkN（0，1）作為計算過程中的不確定因素］；假設(shè)采樣樣本個數(shù)為500，計算步長為100。 一般情況下使用下式作為濾波精度的衡量公式，計算值越小，計算精度越高：

圖1 模型與預(yù)測值圖

圖1 中的右上圖是系統(tǒng)模型噪聲的分布圖，左上圖為測量噪聲的分布圖，右下圖是觀察值的分布圖，左下圖是預(yù)測值的分布圖，本文取樣本分布區(qū)間為［-20,20］。

圖2 AWPF 估計分布圖

圖3 AWPF 估計的瀑布圖

圖2 中的斜線表示真實值，“+”表示AWPF 濾波后的樣本分布的MAP 估計值。 當(dāng)估計值的分布與斜線重合時，估計的效果最好。從圖2 可以看出，AWPF 算法仿真估計值在斜線兩側(cè)分布，雖然有個別點偏差很大（粒子濾波允許個別異樣樣本出現(xiàn)），但整體的分布較為均勻。

圖3 是AWPF 濾波后的樣本空間的分布圖，即樣本分布區(qū)間和樣本估計值的分布密度圖，該圖的坐標軸分別對應(yīng)樣本分布區(qū)間、樣本分布密度和樣本采樣時間。 圖中的坐標位置表示特定的樣本區(qū)間和樣本采樣時間下樣本的密度分布值。濾波效果評判的標準是：樣本在特定區(qū)域分布越集中，粒子濾波處理后的權(quán)重分布效果就越好。 從圖3 可以看出，AWPF 濾波的效果較好，樣本分布相對集中。

3.優(yōu)化后AWPF 與傳統(tǒng)粒子濾波的比較

表1 三種粒子濾波方法比較

表1 是三種濾波方法的估計精度（MAP 和PME 是兩種不同的評估方法，其數(shù)值越小效果越好）和運行時間的比較，可以得出結(jié)論：在選取特定的模型仿真條件下，無論對于MAP 指標還是PME 指標，AWPF 處理效果都是最好的； 并且對于相同的粒子濾波器，MAP 又比PME 估計的效果好；AWPF 運行時間并不是最快的，但是對總體為2 秒的計算時間而言，0.2 秒的延遲并不影響整體的執(zhí)行效率。 因此綜合比較仿真結(jié)果，在PF、BPF、AWPF 中，AWPF 執(zhí)行效果最佳。

四、實驗數(shù)據(jù)分析

（一）辦學(xué)績效綜合評價體系構(gòu)建

辦學(xué)績效評價是一個系統(tǒng)的、具有復(fù)雜體系的工程，影響因素多，相互關(guān)聯(lián)性強，數(shù)據(jù)采集難度大，數(shù)據(jù)量綱不統(tǒng)一。 為了使績效評價相對客觀、全面、真實反映辦學(xué)資源的績效，根據(jù)評估原則，構(gòu)建基于部分應(yīng)用型高校辦學(xué)績效綜合評價體系。選取投入指標、產(chǎn)出指標等2 大類指標體系，其中投入指標、產(chǎn)出指標各設(shè)置12 個指標體系，重點選取8 所河南省示范性應(yīng)用技術(shù)類型本科院校2012年—2019年的辦學(xué)數(shù)據(jù)。數(shù)據(jù)來源于各個高校的本科教學(xué)質(zhì)量報告，本文引用數(shù)據(jù)在這8 所學(xué)校法規(guī)處網(wǎng)站或者教學(xué)評估中心網(wǎng)站公開。

表2 部分應(yīng)用型高校辦學(xué)績效綜合評價體系

（二）主成分分析法數(shù)據(jù)分析

根據(jù)表2 的數(shù)據(jù)，運用主成分分析法，可得到如下結(jié)論：

其一，8 所學(xué)校投入指標主成分計算總得分分別為-0.7335、-0.3818、0.4316、-0.2250、 -0.8107、-0.1009、-0.1067、1.9270，對應(yīng)學(xué)校分別為A 校、B 校、C 校、D 校、E 校、F 校、G 校、H 校。 依據(jù)分值從高到低排序為：H 校、C 校、F 校、G 校、D 校、B 校、A 校、C 校。

其二，8 所學(xué)校產(chǎn)出指標主成分計算總得分分別為0.0849、 -0.6100、-1.3410、0.2436、-0.5391、-0.0026、1.3550、0.8093，對應(yīng)學(xué)校分別為A 校、B 校、C 校、D 校、E 校、F 校、G 校、H 校。 依據(jù)分值從高到低排序為：G校、H 校、D 校、A 校、F 校、E 校、B 校、C 校。

其三，8 所學(xué)校中D 校和F 校為行業(yè)院校，其他均為地方院校。從模型結(jié)果可以看出，D 校和F 校兩個學(xué)校投入指標分別排第五名、第三名，產(chǎn)出指標分別排第三名、第五名。因此，雖然行業(yè)院校轉(zhuǎn)型發(fā)展的基礎(chǔ)好，但是和一般院校相比，投入產(chǎn)出指標因素均沒有明顯優(yōu)勢。

（三）優(yōu)化的自適應(yīng)因子粒子濾波算法數(shù)據(jù)分析

表3 某高校2014年—2019年的投入產(chǎn)出數(shù)據(jù)

將表3 的12 個投入指標數(shù)據(jù)分別代入公式（7）至（16）,根據(jù)自適應(yīng)因子粒子濾波法可以得到表4、表5所示的計算結(jié)果。

表4 投入指標對學(xué)生就業(yè)影響力變化表

表4 是針對產(chǎn)出指標之一的學(xué)生就業(yè)率的分析。 主要分析12 項投入指標每年對就業(yè)率影響的變化，即在高校不同發(fā)展階段的影響力變化。 結(jié)果如下：2014年該校的投入指標全權(quán)假設(shè)為平均分配，即12 項指標平均分配，都為1/12，但是通過2015年的投入產(chǎn)出反饋計算得到12 項指標權(quán)值發(fā)生了變化，并且主要權(quán)值集中在學(xué)校的辦學(xué)經(jīng)費投入、教學(xué)科研儀器設(shè)備總值和實驗中心這三項投入指標上，并且2016—2019 基本保持如此的分配區(qū)間，變化不大；但是隨著時間的發(fā)展，辦學(xué)經(jīng)費對學(xué)生就業(yè)率的影響稍微減小，說明在學(xué)校發(fā)展階段初期，學(xué)生就業(yè)率對學(xué)校的投入依賴性很大，但是隨著學(xué)校的發(fā)展，學(xué)生就業(yè)率對投入的依賴度逐漸向其他投入指標均衡。

表5 投入指標對科研到賬經(jīng)費影響力變化表

表5 是針對產(chǎn)出指標科研到賬經(jīng)費的分析。 分析結(jié)果如下：依舊假設(shè)2014年投入指標權(quán)值平均分配，都為1/12；但是出乎意料的是通過2015—2019 的迭代反饋運算可知，“雙師雙能型”教師對科研到賬經(jīng)費影響力逐漸增加，而投入教學(xué)經(jīng)費這項指標對科研到賬經(jīng)費的影響力并沒有出現(xiàn)這種情況。 分析原因有兩個：第一，應(yīng)用型高校的經(jīng)費來源主要是行業(yè)橫向課題，因此“雙師雙能型”教師是完成此類項目的主體；第二，8所河南省示范性應(yīng)用技術(shù)類型本科院校本身帶有課題加入學(xué)校，增加了高校的科研經(jīng)費。 同時通過權(quán)值的變化可知，具有高級職稱專任教師占專任教師的比例和具有研究生學(xué)位教師占專任教師的比例對科研到賬經(jīng)費的增加也有一定的影響力，而圖書的影響力幾乎可以忽略。

五、結(jié)論

本文針對應(yīng)用型高校的發(fā)展評價引入了粒子濾波的分析方法，并且對傳統(tǒng)粒子濾波方法進行優(yōu)化，提出了自適應(yīng)因子粒子濾波方法，即通過后觀察值反饋計算樣本的權(quán)重，結(jié)合先驗和后驗觀察值確定樣本權(quán)值。將8 所河南省示范性應(yīng)用技術(shù)類型本科院校作為主要研究對象，將12 個投入指標作為樣本，分別利用主成分分析和優(yōu)化粒子濾波兩種方法對投入和產(chǎn)出進行分析；對比兩種分析方法發(fā)現(xiàn)，主成分分析法主要應(yīng)用于對高校綜合數(shù)據(jù)的評價，即對比各個學(xué)校的數(shù)據(jù)排名，而優(yōu)化粒子濾波算法更適合于針對某個高校做具體分析，計算不同發(fā)展階段影響產(chǎn)出值的關(guān)鍵因素的變化，同時具有產(chǎn)出預(yù)測的能力，能為學(xué)校的發(fā)展提供更有力的規(guī)劃理論工具。

同時，通過優(yōu)化粒子濾波算法對8 所應(yīng)用型高校的數(shù)據(jù)分析，獲得了投入產(chǎn)出的變化分析結(jié)果。 例如：針對就業(yè)率而言，學(xué)校起步階段依賴于辦學(xué)經(jīng)費投入、教學(xué)科研儀器設(shè)備總值和實驗中心這三項指標，但是隨著學(xué)校的發(fā)展，學(xué)校經(jīng)費投入退出主要影響指標，學(xué)校可以根據(jù)影響因素的變化有針對性地進行工作方向的調(diào)整。 但是，鑒于優(yōu)化粒子濾波模型僅僅能夠?qū)Ξ?dāng)前數(shù)據(jù)進行分析，為學(xué)校人力、物力和財力投入的短期分配提供依據(jù)，還不能夠做到對投入產(chǎn)出因素進行長期的預(yù)測，因此，未來需要專家學(xué)者開展持續(xù)的算法和數(shù)據(jù)處理上的持續(xù)優(yōu)化。