2008数学建模国家一等奖论文

由天下分享时间：2025/1/26 9:47:32 加入收藏我要投稿点赞

[12] 各省市参加竞争数据. 新浪博客. http://blog.sina.com.cn/s.,2008-9-21

[13] 东北大学审计处. 高等学校收费管理暂行办法(1996年12月16日颁布) http://www.neu.edu.cn/sjc/ShowArticle2.asp?ArticleID=364，2008-9-21

[14] 国家数据统计库. 国民经济核算，教育 http://219.235.129.54/cx/table/table.jsp，2008-9-20 [15]吕孟仁.高等教育成本分担及收费标准设计的准则[J].吉林教育学.高教研究，2001，（5）：20-22 [16]中国教育和科研计算机网. 中国教育.高校扩招纵横谈

http://www.edu.cn/kuo_zhao_314/20060323/t20060323_15001.shtml，2008-9-21.

九、附录

附录1：“图2. 4 各年度学费占教育经费的比例的情况”的程序代码 m=2000:1:2005; x=[

1926109 2824417.1 3906526 5057307 6476921 7919249.3 ]; y=[

9133504 11665761.8 14878590 17543468 21297613 25502370.8 ]; z=x./y

plot(m,z,'r-'); xlabel('年份');

ylabel('学费占教育经费的比例');

附录2：“图5. 51 各年度高校生均学费与人均GDP比值的变化情况”的程序代码：

m=1995:1:2004;

x=[1001 1315 1589 1794 2769 3550 3895 4224 4419 4785]; y=[4854 5576 6054 6308 6551 7086 7651 8214 9111 10561]; z=x./y; plot(m,z,'r') xlabel('年份')

ylabel('学费与GDP比值')

附录3：求解回归模型相关系数代码 function yy=model(beta0,X) a=beta0(1); b=beta0(2); c=beta0(3);

d=beta0(4); e=beta0(5); x1=X(:,1); x2=X(:,2); x3=X(:,3); x4=X(:,4); x5=X(:,5);

yy=a*x1+b*x2+c*x3+d*x4+e*x5;

X=[9133504 5044173 65941 151828 1677772;11665761.8 6060683.1 181992.7 172774.7 2158573.8;14878590 7243459 331363 278253 2840985;

17543468 8074148 603015 256375 3220992;21297613 9309882 1121982 215440 3785362;25502370.8 10463734 1801315.4 210796.3 4662641.1]; Y=[1926109;2824417.1;3906526;5057307;6476921;7919249.3]; beta0=[1.00 -0.20 -0.04 -0.15 -0.11]; betafit=nlinfit(X,Y,'model',beta0) 附录4：神经网络测试代码：

P=[0.3060 0.4599 0.1805 0.1665 0.3615 0.2452 0.4146 0.8401 0.2389 0.2942 0.1774 0.8493 0.4795 0.2906 1.0000 0.1778 0.0304 0.1314 0.3326 0.0789 0.1502 0.0000 0.0782 0.0163 0.0137 ;

0.1667 0.3492 0.2778 1.0000 0.2619 0.2063 0.1667 0.4365 0.2222 0.1825 0.3016 0.4921 0.4048 0.1905 0.2778 0.2937 0.0873 0.1984 0.2857 0.1984 0.0000 0.2540 0.2143 0.1032 0.2540 ;

1.0000 0.2464 0.1840 0.2766 0.3501 0.2368 0.1020 0.4888 0.0910 0.3415 0.1120 0.3771 0.1569 0.1020 0.1020 0.0951 0.1505 0.1505 0.1020 0.0000 0.0719 0.1035 0.0596 0.1304 0.1271 ;

0.9063 0.0992 0.0808 0.1020 0.0993 0.0204 1.0000 0.4025 0.0390 0.4027 0.0532 0.2538 0.0576 0.0689 0.6339 0.0811 0.0063 0.2066 0.0311 0.0085 0.1141 0.0334 0.0027 0.0034 0.0000 ;

0.8585 0.2519 0.1591 0.1745 0.2846 0.2110 1.0000 0.5336 0.1199 0.4039 0.1965 0.3223 0.1560 0.1919 0.4416 0.0970 0.1769 0.1463 0.1453 0.0000 0.0259 0.0315 0.0162 0.0431 0.0992 ];

net=newc(minmax(P),3,0.1); net=train(net,P); y=sim(net,P); y=vec2ind(y)

附录5：神经网络样本检验代码：

P=[0.1591 0.1568 0.6114 0.2901 0.1596 0.1100 ; 0.4365 0.2381 0.2698 0.2063 0.2857 0.1508 ; 0.7623 0.1020 0.5647 0.1352 0.1221 0.2018 ; 0.4328 0.0598 0.7780 0.1385 0.0203 0.0041 ; 0.5812 0.2177 0.7508 0.1948 0.0276 0.0950 ; ];

y=sim(net,P);

y=vec2ind(y)