基于價值鏈和BP神經(jīng)網(wǎng)絡(luò)的地方本科院校轉(zhuǎn)型評估方法和研究

馬麗娟 田野 黃瓊 馬洪麗

摘 ?要： 通過構(gòu)建轉(zhuǎn)型院校的科研評價體系，促進科研成果的轉(zhuǎn)化運用，形成社會效益進而服務(wù)地方經(jīng)濟。利用價值鏈和BP神經(jīng)網(wǎng)絡(luò)原理構(gòu)建地方本科院校轉(zhuǎn)型評估方法，為地方本科院校轉(zhuǎn)型評價提供解決方案。從轉(zhuǎn)型背景下科研服務(wù)社會評價體系構(gòu)建的重要性出發(fā)，梳理近期的研究動態(tài)，指出地方本科院校轉(zhuǎn)型發(fā)展進程中科研工作的特點。模型仿真結(jié)果表明，訓(xùn)練樣本和測試樣本均具有較低的平均誤差和標(biāo)準(zhǔn)差，證明該模型具有良好的穩(wěn)定性，是評價地方本科院校轉(zhuǎn)型的有效方法。

關(guān)鍵詞： 轉(zhuǎn)型評估; 價值鏈; BP神經(jīng)網(wǎng)絡(luò); 指標(biāo)體系; 平均誤差; 標(biāo)準(zhǔn)差

中圖分類號： TN911.1?34 ? ? ? ? ? ? ? ? ? ? ? ? 文獻標(biāo)識碼： A ? ? ? ? ? ? ? ? ? ? ? ?文章編號： 1004?373X（2019）11?0077?05

Abstract： The value chain and BP neural network principle are used to construct the transformation assessment method of local undergraduate colleges， and provide the scheme for the transformation assessment of local undergraduate colleges. Proceeding from the importance of the construction of scientific evaluation system of scientific research service under the background of transformation， the recent research trends are sorted to point out the characteristics of scientific work in transformation process of local universities. The model simulation result shows that the training sample and test sample have small average error and standard deviation， which proves that the model has high stability， and is an effective method to evaluate the transformation of local undergraduate colleges.

Keywords： transformation assessment; value chain; BP neural network; index system; average error; standard deviation

0 ?引 ?言

教育部聯(lián)合國家發(fā)展改革委、財政部于2015年10月21日共同出臺了《關(guān)于引導(dǎo)部分地方普通本科高校向應(yīng)用型轉(zhuǎn)變的指導(dǎo)意見》，其中提到高校轉(zhuǎn)型發(fā)展的最終目的是為了服務(wù)于地方經(jīng)濟社會發(fā)展，學(xué)校與企業(yè)要加強合作，推動產(chǎn)教合作，高校要培養(yǎng)具備應(yīng)用型技術(shù)技能的人才，提升學(xué)生的就業(yè)與創(chuàng)業(yè)能力，提升學(xué)校服務(wù)于經(jīng)濟社會發(fā)展與創(chuàng)新發(fā)展的能力。隨著經(jīng)濟發(fā)展進入新常態(tài)，高等教育結(jié)構(gòu)性矛盾更加突出，對高等教育人才培養(yǎng)和地方本科院校轉(zhuǎn)型發(fā)展提出新要求。但結(jié)合實踐分析，地方本科院校目前的人才培養(yǎng)機制難以滿足轉(zhuǎn)型的需求，更加難以實現(xiàn)應(yīng)用型人才培養(yǎng)的目標(biāo)。

本文試圖建立一個指標(biāo)體系來描述影響地方本科院校轉(zhuǎn)型的因素，以幫助地方本科院?？陀^評價和選擇轉(zhuǎn)型路徑，提高服務(wù)質(zhì)量[1]。BP神經(jīng)網(wǎng)絡(luò)作為一種廣泛使用的神經(jīng)網(wǎng)絡(luò)模型，是一種非線性的動態(tài)系統(tǒng)，模擬人類大腦識別和處理信息[2?3]。價值鏈和BP神經(jīng)網(wǎng)絡(luò)模型可以通過學(xué)習(xí)訓(xùn)練樣本來學(xué)習(xí)和存儲大量輸入輸出映射關(guān)系，不斷提取規(guī)則和學(xué)習(xí)數(shù)據(jù)的內(nèi)在規(guī)律[4?5]。它的最大優(yōu)點是避免了模型仿真和計算過程中復(fù)雜的數(shù)學(xué)推導(dǎo)。本文在已有研究的基礎(chǔ)上，試圖基于價值鏈和神經(jīng)網(wǎng)絡(luò)對地方本科院校轉(zhuǎn)型評估方法進行研究，以期為地方本科院校的轉(zhuǎn)型評估提供參考。

1 ?BP神經(jīng)網(wǎng)絡(luò)原理

BP（Back?Propagation）神經(jīng)網(wǎng)絡(luò)是一種具有三層及以上階層形式的神經(jīng)網(wǎng)絡(luò)。典型的BP神經(jīng)網(wǎng)絡(luò)具有三層，即輸入層、中間層和輸出層[1，6]。層與層之間的各個神經(jīng)元實現(xiàn)全連接，每個層的神經(jīng)元之間無連接。BP算法是以迭代的方式處理一個訓(xùn)練樣本，將每個樣本的網(wǎng)絡(luò)預(yù)測與實際分類標(biāo)號進行比較和學(xué)習(xí)，并且對每個訓(xùn)練樣本修改權(quán)重，從而實現(xiàn)網(wǎng)絡(luò)預(yù)測和實際類的誤差最小化。典型的BP神經(jīng)網(wǎng)絡(luò)拓撲結(jié)構(gòu)如圖1所示。

圖1 ?BP神經(jīng)網(wǎng)絡(luò)拓撲

BP神經(jīng)網(wǎng)絡(luò)是一種表達非線性關(guān)系的函數(shù)，在BP神經(jīng)網(wǎng)絡(luò)中，[x1，x2，…，xn]表示輸入值，[y1，y2，…，ym]代表輸出值（預(yù)測值）。輸入層和隱藏層之間的不同神經(jīng)元的連接權(quán)重由[wij]表示，隱藏層和輸出層之間的連接權(quán)重由[wjk]表示。如果BP神經(jīng)網(wǎng)絡(luò)具有[n]個輸入節(jié)點和[m]個輸出節(jié)點，則網(wǎng)絡(luò)表示從[n]個獨立變量到[m]個因變量的一組映射關(guān)系。輸入數(shù)據(jù)需要首先在神經(jīng)網(wǎng)絡(luò)中進行訓(xùn)練，訓(xùn)練過程通常包括如下步驟[1，7]：

1） 網(wǎng)絡(luò)初始化

輸入層[n]的神經(jīng)元數(shù)量由訓(xùn)練樣本數(shù)據(jù)[X]的輸入值確定，輸出層的神經(jīng)元數(shù)量由訓(xùn)練樣本數(shù)據(jù)[Y]的輸出值確定。隱藏層中的神經(jīng)元數(shù)量可以根據(jù)經(jīng)驗公式確定。網(wǎng)絡(luò)初始化包括初始化隱藏層的閾值[a]和輸出層的閾值[b]以確定學(xué)習(xí)速率和傳遞函數(shù)。

2） 隱藏層的輸出計算

隱藏層輸出[H]由式（1）計算，[l]是隱藏層中的節(jié)點數(shù)，[f]是隱藏層傳遞函數(shù)，它必須是可微分的線性函數(shù)或非線性函數(shù)。Sigmoid函數(shù)是運用較多的作為神經(jīng)網(wǎng)絡(luò)的閾值函數(shù)，Sigmoid函數(shù)的變量映射區(qū)間為（0，1）。

3） 輸出層的輸出計算

BP神經(jīng)網(wǎng)絡(luò)預(yù)測輸出[O]根據(jù)隱藏層計算輸出[H]，連接權(quán)重[wjk]和閾值[b]。

4） 計算錯誤

根據(jù)預(yù)測的神經(jīng)網(wǎng)絡(luò)計算網(wǎng)絡(luò)預(yù)測誤差：

5） 更新權(quán)重

更新網(wǎng)絡(luò)連接權(quán)重[wij]和[wjk]：

6） 更新閾值

更新網(wǎng)絡(luò)節(jié)點[a]和[b]的閾值。

7） 檢查是否符合結(jié)束條件

確定算法的迭代是否結(jié)束，如果不是，則返回步驟2）。

2 ?本科院校轉(zhuǎn)型評價指標(biāo)體系

本科院校提供人才這一特殊產(chǎn)品并且創(chuàng)造社會價值，是通過一系列相互關(guān)聯(lián)的教育活動來開展的。隨著本科院校的轉(zhuǎn)型，這些教育活動經(jīng)過一系列的細分、裂變和演化變得更為復(fù)雜，構(gòu)建出一張綜合交錯的價值網(wǎng)絡(luò)?；诒究圃盒＾D(zhuǎn)型的價值鏈網(wǎng)絡(luò)以及相互關(guān)系，如圖2所示。

圖2 ?本科院校轉(zhuǎn)型價值鏈分析模型

2.1 ?指標(biāo)體系構(gòu)建

如圖2所示，影響地方本科院校轉(zhuǎn)型的關(guān)鍵性因素涵蓋了本科院校方向性活動、關(guān)鍵性活動和支撐性活動三個方面。所有因素都可以歸結(jié)為三個一級指標(biāo)，進一步細化建立一個完整的索引系統(tǒng)。

2.1.1 ?方向性活動

對地方本科院校轉(zhuǎn)型的初步研究表明，本科院校方向性活動主要包括發(fā)展規(guī)劃、發(fā)展戰(zhàn)略、校園文化、社會影響等。

發(fā)展規(guī)劃和企業(yè)發(fā)展規(guī)劃一樣，本科院校的發(fā)展規(guī)劃是院校發(fā)展的戰(zhàn)略規(guī)劃，主要是探究如何更好地發(fā)展本科院校。

發(fā)展戰(zhàn)略是學(xué)校對長遠發(fā)展目標(biāo)和行動路線所做的宏觀預(yù)見性的構(gòu)想，發(fā)展戰(zhàn)略是以預(yù)測為基礎(chǔ)對學(xué)校長遠的目標(biāo)和計劃。

校園文化是以學(xué)生為主體，以課外文化活動為主要內(nèi)容，以學(xué)校精神為主要特征的一種文化活動，校園文化活動具有互動性、滲透性和傳承性特點，通過校園文化可以有效提升學(xué)校的文化品位。

社會影響主要包括社會對本科院校的評價以及用人單位對于畢業(yè)生的滿意程度。

2.1.2 ?關(guān)鍵性活動

在本科院校主動對接市場需求的探索過程中，越來越多的本科院校認識到專業(yè)設(shè)置、人才培養(yǎng)、校企合作和科研創(chuàng)新對于高校轉(zhuǎn)型的重要性。

專業(yè)設(shè)置對應(yīng)企業(yè)的產(chǎn)品研發(fā)，承擔(dān)著定義人才產(chǎn)品的職能。專業(yè)設(shè)置要求適應(yīng)社會需求，積極調(diào)整結(jié)構(gòu)。優(yōu)化傳統(tǒng)學(xué)科，進一步彰顯學(xué)科優(yōu)勢和特色;加強應(yīng)用學(xué)科建設(shè)，重點提高工、農(nóng)、醫(yī)、管理等學(xué)科比例。積極發(fā)展適應(yīng)經(jīng)濟社會發(fā)展需要的專業(yè)，促進學(xué)科、專業(yè)建設(shè)的良性互動。

人才培養(yǎng)是以人才培養(yǎng)方案、教學(xué)改革、教育管理、創(chuàng)新創(chuàng)業(yè)教育等共同構(gòu)成的學(xué)校人才培養(yǎng)理念。

校企合作是學(xué)校和企業(yè)廣泛合作，共同參與到學(xué)生培養(yǎng)的過程之中，共同制定學(xué)生的培養(yǎng)方案，共同建設(shè)實訓(xùn)基地，以及形成校企雙向互聘機制等，通過校企合作共同培養(yǎng)企業(yè)需要的應(yīng)用型技術(shù)人才。

科研創(chuàng)新主要包括科學(xué)研究、科技轉(zhuǎn)換、科技服務(wù)三個方面。

2.1.3 ?支撐性活動

支撐性活動包括師資管理、信息管理、財務(wù)管理、后勤管理等，這些活動的價值立足于人才產(chǎn)品的增加，支撐性活動對于價值的創(chuàng)造是間接性的，是高校核心價值鏈的重要支撐部分。例如師資管理，如果說師資管理獨立于人才培養(yǎng)，即便師資本身創(chuàng)造了社會價值，對于本科院校轉(zhuǎn)型的貢獻也微乎其微。師資力量只有服務(wù)于人才產(chǎn)品的“加工”才能彰顯其在院校轉(zhuǎn)型中的價值。

地方本科院校轉(zhuǎn)型評估指標(biāo)體系如表1所示。

2.2 ?樣品集合

為了能夠?qū)崿F(xiàn)轉(zhuǎn)型的有效性，在高校轉(zhuǎn)型的過程中針對高校師生進行了在線調(diào)查。通過在線調(diào)查收集樣本數(shù)據(jù)，共有236位受訪者對問卷進行了回復(fù)，并篩選出其中有效問卷201份。

表1 ?地方本科院校轉(zhuǎn)型評估的指標(biāo)體系

為了幫助受訪者充分了解所有指標(biāo)，本調(diào)查為每個二級指標(biāo)設(shè)計了2～3個問題。7級李克特量表用于衡量每個問題從低到高（1～7）的一致程度。每個二級指標(biāo)的得分是所有問題的算術(shù)平均值指標(biāo)，12個指標(biāo)的所有分數(shù)用于輸入BP神經(jīng)元網(wǎng)絡(luò)。綜合轉(zhuǎn)型度問題的得分算術(shù)平均值是BP神經(jīng)網(wǎng)絡(luò)的預(yù)期輸出。

部分培訓(xùn)樣本和測試樣本數(shù)據(jù)如表2所示。

表2 ?樣本數(shù)據(jù)的轉(zhuǎn)型度分數(shù)

3 ?研究模型

3.1 ?設(shè)計價值鏈和BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

輸入層中有12個節(jié)點對應(yīng)12個指標(biāo)的地方本科院校得分。綜合轉(zhuǎn)型評估值表示一個節(jié)點。輸出層將根據(jù)12個指標(biāo)計算，神經(jīng)元的數(shù)量在隱藏層需要根據(jù)經(jīng)驗和反復(fù)實驗確定，因為增加神經(jīng)元的數(shù)量可以提高網(wǎng)絡(luò)映射的準(zhǔn)確性，但可能會導(dǎo)致更長的訓(xùn)練時間。通常的做法是參考經(jīng)驗公式來計算隱藏層神經(jīng)元的估計值。

式中：[l]表示隱藏層中神經(jīng)元的數(shù)量;[m]和[n]分別代表輸出層和輸入層中的神經(jīng)元數(shù)量;[a]是0～10范圍內(nèi)的任意常數(shù)。

根據(jù)經(jīng)驗公式，隱藏層范圍內(nèi)的神經(jīng)元數(shù)量為5～13。最后，當(dāng)隱藏層中的神經(jīng)元數(shù)量為6時，網(wǎng)絡(luò)錯誤是最少的，網(wǎng)絡(luò)的性能更好，所以選擇神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)為12×6×1。

3.2 ?預(yù)處理輸入和輸出數(shù)據(jù)

在數(shù)據(jù)進行訓(xùn)練之前，需要針對數(shù)據(jù)進行處理，防止輸入的數(shù)據(jù)因為數(shù)量級和標(biāo)準(zhǔn)的不同，導(dǎo)致輸出結(jié)果存在誤差或者有異類結(jié)果存在。當(dāng)數(shù)據(jù)輸出以后，還需要通過歸一化的方式統(tǒng)一數(shù)據(jù)格式。選擇Matlab軟件的函數(shù)map，min，max進行歸一化輸出數(shù)據(jù)和輸入數(shù)據(jù)為-1～1之間的值。從201個樣本數(shù)據(jù)中隨機選擇180個樣本數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)。

3.3 ?創(chuàng)建和訓(xùn)練神經(jīng)網(wǎng)絡(luò)

隱藏層和輸出層使用Tan?Sigmoid傳遞函數(shù)和LM優(yōu)化算法（trainlm函數(shù)）進行網(wǎng)絡(luò)學(xué)習(xí)[8?9]。訓(xùn)練次數(shù)設(shè)置為2 000次，誤差的準(zhǔn)確度設(shè)定為0.015，并且學(xué)習(xí)率為0.05。將遍歷一次所有樣本的行為叫作一個世代，經(jīng)過13世代訓(xùn)練后達到了預(yù)定的精度，并且在世代6處滿足最佳驗證性能。建立基于反映地方本科院校轉(zhuǎn)型的直接指標(biāo)的神經(jīng)網(wǎng)絡(luò)模型，并在神經(jīng)網(wǎng)絡(luò)中訓(xùn)練部分數(shù)據(jù)，訓(xùn)練結(jié)果如圖3所示。

圖3 ?網(wǎng)絡(luò)培訓(xùn)結(jié)果

3.4 ?地方本科院校轉(zhuǎn)型評估模型輸出與輸出預(yù)測

完成網(wǎng)絡(luò)學(xué)習(xí)后，建立BP神經(jīng)元網(wǎng)絡(luò)模型，基于該模型使用訓(xùn)練樣本獲得地方本科院校轉(zhuǎn)型評估模型輸出，輸出數(shù)據(jù)作為模擬功能的輸入，然后將輸出歸一化以得到訓(xùn)練數(shù)據(jù)的擬合值。

模型的模擬能力通常由兩者之間的差異來衡量擬合輸出值和預(yù)期輸出值，差異越小，模型的閾值越好，這意味著模型的模擬能力更好。圖4顯示了通過調(diào)用繪圖函數(shù)的預(yù)期輸出和模擬輸出的模型擬合比較曲線。假設(shè)條件設(shè)定如下：如果預(yù)期輸出值與模擬輸出值之差的絕對值小于0.2，則模型擬合良好。由于模型模擬的準(zhǔn)確率為83.33%，可以認為模擬值與實際值吻合良好。

圖4 ?地方本科院校轉(zhuǎn)型評估模型輸出

3.5 ?網(wǎng)絡(luò)測試和模型驗證

完成模型模擬能力驗證后，將21個測試樣本放入模型以進一步測試模型仿真性能。預(yù)測結(jié)果（網(wǎng)絡(luò)輸出）和預(yù)期值如圖5所示。

圖5 ?地方本科院校轉(zhuǎn)型評估模型預(yù)測輸出

假設(shè)條件設(shè)定為：如果預(yù)期輸出值與模擬輸出值之差的絕對值小于0.2，則模型模擬的準(zhǔn)確率為77.22%?？梢钥闯觯A(yù)測值與模擬值之間存在一定的偏差，但在可接受的范圍內(nèi)。

3.6 ?平均誤差和標(biāo)準(zhǔn)偏差

假設(shè)價值鏈和BP神經(jīng)網(wǎng)絡(luò)的模擬輸出是output_[y]，observe_[x]是用于網(wǎng)絡(luò)輸入的樣本觀測值。output_[y]通過下式獲得[10]：

通常使用絕對值abs（誤差），因為誤差可能是正的或負的。通過STD（誤差）計算相對誤差的標(biāo)準(zhǔn)偏差。比較訓(xùn)練樣本和測試樣本之間的誤差，如表3所示。

表3 ?訓(xùn)練樣本錯誤和測試樣本錯誤

訓(xùn)練樣本的平均誤差為3.22%，測試樣本的平均誤差為4.90%，兩者的平均誤差均較低，這意味著該模型的準(zhǔn)確率很高。訓(xùn)練樣本的標(biāo)準(zhǔn)差為6.68%，測試樣本的標(biāo)準(zhǔn)差為7.33%，表明該模型穩(wěn)定性很好。

3.7 ?本科院校轉(zhuǎn)型等級評估

模型轉(zhuǎn)型度的輸出是1～7之間的值，這是不明確的地方本科院校判斷。為了進一步簡化地方本科院校轉(zhuǎn)型度的表達，轉(zhuǎn)型度可以分為五個等級：持續(xù)優(yōu)化、深入應(yīng)用、系統(tǒng)建設(shè)、零散建設(shè)、初始階段。五個轉(zhuǎn)型等級分別為[A=y6≤y≤7]，[B=y4.6≤y≤6]，[C=y3.3≤y≤4.6]，[D=y2.2≤y≤3.3]，[E=yy<2]。變量[y]代表預(yù)測值預(yù)測本科院校當(dāng)前轉(zhuǎn)型度，21個測試樣品的預(yù)測值和觀察值根據(jù)等級標(biāo)準(zhǔn)分為五個等級，如表4所示。

結(jié)果顯示，實際輸出水平和預(yù)期輸出水平是一致的，這也表明了轉(zhuǎn)型評估模型的有效性。

4 ?結(jié) ?論

提高地方本科院校的轉(zhuǎn)型度對于促進本科院校社會化具有非常重要的意義。轉(zhuǎn)型度是一種難以量化的地方本科院校感知值?；诘胤奖究圃盒＾D(zhuǎn)型的研究背景，本文建立了一個轉(zhuǎn)型度評價指標(biāo)體系，通過直接測量變量來定量測量轉(zhuǎn)型度。通過對現(xiàn)有地方本科院校轉(zhuǎn)型評估方法的比較研究，發(fā)現(xiàn)價值鏈和BP神經(jīng)網(wǎng)絡(luò)是轉(zhuǎn)型評估指標(biāo)體系數(shù)據(jù)訓(xùn)練和仿真的有效方法。模型仿真結(jié)果表明，訓(xùn)練數(shù)據(jù)和測試數(shù)據(jù)均具有較低的平均誤差和標(biāo)準(zhǔn)偏差，證明該模型具有良好的穩(wěn)定性，是評價地方本科院校轉(zhuǎn)型的好方法。對于地方本科院校而言，轉(zhuǎn)型評估量化指標(biāo)建設(shè)可以更直觀地體現(xiàn)出地方本科院校的轉(zhuǎn)型度，從而為客觀地評價轉(zhuǎn)型效果和程度提供直觀參考。在未來的研究中，評估模型還需要更多地運用到地方本科院校轉(zhuǎn)型評估之中，以測試實際的應(yīng)用效果。

參考文獻

[1] ZHANG Rui， WANG Yan， WANG Kaibo， et， al. An evaluating model for smart growth plan based on BP neural network and set pair analysis [J]. Journal of cleaner production， 2019， 3（1）： 226?230.

[2] ZHANG Z. Research and application of capability evaluation model based on BP neural network educational technology： taking the problem?based learning teaching process learning as an example [J]. Journal of computational and theoretical nanoscience， 2016， 13（9）： 6210?6217.

[3] KANG L. Research on innovation and entrepreneurship education reform and construction of college students [C]// 2017 2nd International Seminar on Education Innovation and Economic Management. [S.l.]： ACM， 2017： 546?552.

[4] YUKALOV V I， YUKALOVA E P， SORNETTE D. Information processing by networks of quantum decision makers [J]. Physica A： statistical mechanics and its applications， 2018， 18： 492.

[5] PEI X， PEI G. A new BP Fourier algorithm and its application in English teaching evaluation [C]// Proceedings of the International Conference on Green Energy and Sustainable Development. Chongqing： IEEE， 2017： 27?28.

[6] WANG L Y. Research on evaluation system for comprehensive quality of college and university students based on analytic hierarchy process model [J]. Applied mechanics and materials， 2014， 678： 5.

[7] DUAN C， LIU L， LIU Y Q， et al. A structure analysis of regional higher education in the sight of ecology based on the empirical research of Yunnan Province [C]// SHS Web of Conferences. [S.l.]： SHS， 2015： 14?18.

[8] LI Hongmei. Application research of BP neural network in english teaching evaluation [J]. Telkomnika Indonesian journal of electrical engineering， 2013， 11（8）： 528?536.

[9] JIANG Y H. Reflection， change and reconstruction in the context of educational reform and innovation in China ： towards an integrated framework centred on reflective teaching practice for EFL teachers' professional development [J]. Applied mechanics & materials， 2011， 543（7）： 518?523.

[10] LI J C， ZHAO D L， GE B F， et al. A link prediction method for heterogeneous networks based on BP neural network [J]. Physica A： statistical mechanics and its applications， 2017， 495： 1?17.

[11] JIANG Yanfeng. Research on mathematics teaching quality evaluation via an improved BP neural network [C]// 2015 Sixth International Conference on Intelligent Systems Design and Engineering Applications. Guiyang： IEEE， 2015： 1?5.

[12] CHEN Wen， GONG Shilin， JIANG Xueqin. Fuzzy multiple attribute decision access scheme in heterogeneous wireless network [J]. Multimedia tools and applications， 2017， 76（19）： 147?152.

[13] SHAO Sujun. Analysis of Yunnan Higher Education Reform based on industrial value chain the example of trade economics major in Yunnan College of Business Management [C]// Proceedings of the 3rd International Conference on Culture， Education and Economic Development of Modern Society. [S.l.]： IEEE， 2019： 351?359.

[14] HUANG S. The cultivation model of transformation in the newly?built universities in developing training mode [C]// International Conference on Education. [S.l.： s.n.]， 2016： 124?132.