２６／２８１１６‐１２１
长春工程学院学报（自然科学版）２０１６年第１７卷第３期ｄｏｉ：１０．３９６９／j ．issn ．１００９‐８９８４．２０１６．０３．０２６
基于G IS 与地理集中度指数的
大学毕业生就业分布制图与分析
何原荣，尹 飞，郑渊茂，陈小南
（厦门理工学院计算机与信息工程学院，福建厦门３６１０２４）
摘 要：为把握大学毕业生就业情况、动态和规律，将高校毕业生就业及其生源登记表作为原始数据，通过数
据汇总形成以省份为单元的统计数据，并将其绑定到GIS 格式的中国行政区划地图上，制作大学毕业生就业分布图。制图时，采用GIS 的统计制图功能生成了直观可视化毕业生就业情况省级差异的专题图件。关键词：GIS ；高校；就业；地理集中度指数；专题图中图分类号：P ２８文献标志码：A 文章编号：１００９‐８９８４（２０１６）０３‐０１１６‐０６ 自１９９９年高校大规模扩招以来，我国大学毕业生数量节节攀升，２０１６年高校毕业生总数达７６５万之多。同时，我国经济在维持了３０余年的高速增长后，近年来步入中高速增长的新常态。虽然我国采取了一系列鼓励创业、扩大创业的措施，但就业人数有增无减，面对逐年增长的就业大军，就业工作仍然面临着很大的挑战和压力。把握大学毕业生就业情况、动态和规律，是扩大大学生就业，维持高校发展和社会和谐稳定的必行之举，而制作大学毕业生就业分布图是把握大学毕业生就业情况、动态和规律的有效举措。通过对历年的毕业生就业登记数据进行分析，对高校招生就业工作决策以及学生择业和就业指导具有借鉴意义。为了支撑上述分析工作，本文采用GIS 的空间分析与数学模型的集成分析手段从大数据量的招生就业情况得到直观、数字化的综合分析成果显然非常必要。
签，制作标签专题图，如图１所示。１．２ 专题数据
为了在Supermap 的地图上分析高校毕业生就业的空间分布情况，选取２０１１届４０００余名毕业生的生源登记表。对于就业登记表的统计处理，从收集的原始表中的就业单位判别所在就业省份，并以班级为单元做出各省就业统计表。由于这些数据存放于Excel 表格中，不便于查找和提取，但是专题图制作统计变量均来源于这些原始数据表格，因此，将这些专题数据通过建立内置属性库在Supermap
［１］
Deskpro ６上实现与底图数据绑定。１．３ 分析模型及模型参数
选择经济地理学中的地理集中指数、吸引半径模型进一步做定量综合分析，达到可视化分析与综合定量分析相得益彰的系统分析。１．３．１ 地理集中指数模型及其参数来源
地理集中指数是衡量集中程度的重要指标，利用该模型可以分析就业地与生源地空间分布的集中程度，模型表述为Ｇ＝１００×ｉ∑。（１）＝１对于就业地的集中情况而言，Ｇ为就业地地理集中指数；ｘｉ为第ｉ个省的毕业生数量；Ｔ为该单位下毕业生总人数（如果需要细化计算某个系的毕业生就业地地理集中指数，则为该系的毕业生总人数）；ｎ为就业省份的总数。对于生源地，Ｇ为生源地地理集中指数；ｘｉ为第ｉ个省的生源数；Ｔ为该单位下总生源数；ｎ为就业省份的总数。见表１所示。
ｎ
２
１ 基础数据及其预处理
１．１ 底图数据
获取中国行政区划图、地图的数学基础为：
Gauss Krueger （BEIJING １９５４），带数为GK zone
１８。该地图具有经纬度坐标，便于与空间化的专题信息进行多源数据融合。将得到的底图加上省份标
收稿日期：２０１６－０５－２５
基金项目：厦门理工学院项目（JGY ２０１４４０）
作者简介：何原荣（１９７７－），男（汉），福建龙海，博士后，副教授
万方数据主要研究地理制图与地理信息工程。
何原荣，等：基于GIS 与地理集中度指数的大学毕业生就业分布制图与分析１１７
图１ 中国行政区划底图
表１ 地理集中指数模型参数的数据来源
数据来源
参数
就业分布地理集中指数Ｇ
ｘｉ
从就业登记表中统计到各省就业人数
从就业登记表中统计全部毕业生数
从就业登记表中统计就业省份个数
毕业生生源地理集中指数Ｇ从生源登记表中统计各省生源人数
从生源登记表中统计全部生源数
从生源登记表中统计生源省份个数
省份河北省山西省陕西省辽宁省吉林省黑龙江省
果，汇总见表２所示。
表２ 参数ｄｉ的查询汇总结果表
省会石家庄太原西安沈阳长春哈尔滨南京杭州合肥福州南昌济南郑州武汉
里程ｄｉ／km ２１４１２５６５２２４０３１８６３７７８３５１７１３９０９３９１４０６２５７８３８２０６９１７２９１１７５
省份湖南省广东省海南省四川省贵州省云南省甘肃省北京天津上海重庆新疆广西
省会长沙广州海口成都贵阳昆明兰州北京天津上海重庆乌鲁木齐南宁
里程ｄｉ／km １１９８８５０１６５２２５０３２１６６２５１６２９１６２２８７２２８２１１２３２１８８４８０８１６６７
Ｔ
ｎ
１．３．２ 吸引半径模型及其参数来源
吸引半径模型主要用于量化就业辐射范围和生源吸引半径，模型表述为
ＡＲ＝
ｉ
江苏省浙江省安徽省福建省
∑ｘｄ
２ｉ
２ｉ
∑ｘｉ＝１
２
。（２）
江西省山东省河南省湖北省
对于就业辐射范围而言，ＡＲ为以厦门为中心的毕业生就业辐射范围，ｘｉ为第ｉ个省份毕业生所占比重。对于生源吸引半径，ＡＲ为以厦门为中心的生源吸引半径，ｘｉ为第ｉ个省份生源所占比重。ｎ为生源省份的总数，ｄｉ为第ｉ个省份与厦门之间的距离。ｄｉ采用以厦门火车站为中心，以其至各省、自治区、直辖市的政府所在地的铁路里程代表该地到厦门的空间距离表示，通过火车网（w w w ．
万方数据
huoche ．com ．cn ）的火车时刻查询页面获取查询结
２ 专题图制作与分析
２．１ 就业情况
为了在同一张地图上淋漓尽致地表达２０１１届毕业生就业情况，以在中国行政区划图上充分显示省份名称、就业人数数值及其图形、分级范围、模型
分析结果及相关说明等综合信息为例，设置画布大
小为２１cm ×２９．７cm 。修改地图集的比例尺为１∶２６２２２６５３，输出时设置输出分辨率为４００dpi 。
加入图名、图例、比例尺、指北针等辅助要素，最终输
出的成果图能够清晰地表达各类专题要素，如图２
所示。
图２ 厦门理工学院２０１１届毕业生就业情况综合分析专题图
注：人才就业回报率指院校所在城市从人才培养所注入投资中得到的就业回报。
地理集中指数G 衡量就业与生源地集中程度，值越接近１００表征分布越集中。吸引半径和辐射半径A R 衡量生源与就业地离高校所在地的平均距离，单位为km 。
图２可以直观体现该所高校２０１１届毕业生在
全国范围内的就业分布情况。由底图颜色所代表的数值范围和具体标签所显示的数值从而满足不同精度要求的需要。地图左侧的柱状图所代表的是利用模型计算出来的地理集中指数Ｇ及吸引半径ＡＲ的结果。通过专题图和柱状图相辅相成、相互结合的方式，从可视化和定量化两方面描述就业分布情况，大大地提高了地图的可读性。
由图２和模型结果结合分析可以看出，该校２０１１届毕业生就业极化现象较严重，就业省份大多选择大城市和东部沿海地区；从微观角度来看，它提高了毕业生的人力资本回报率，也为大中城市的非国有经济的发展注入了新的活力。然而却加剧了高万方数据
素质劳动力的地区分布和城乡分布的偏斜，减弱了
中西部和农村地区的发展能力，进一步加大了区域和城乡经济发展的差距，不利于东部和西部、城市和
［２］
农村的协调发展。２．２ 生源情况
由于学校在各省的招生人数不同，考虑到有的学生毕业后想回原籍，所以招生人数的多少也会影响到就业分布。因此，制作出生源情况综合分析专题图，以供分析和参考使用，如图３所示。
生源情况综合分析专题图可以直观体现该校２０１１届毕业生在全国范围内的招生情况。由底图颜色所代表的数值范围和具体标签所显示的数值满足了不同精度要求的需要。地图左侧的柱状图所代
表的是利用模型计算出来的地理集中指数Ｇ及吸引半径ＡＲ
的结果。
图３ 厦门理工学院２０１１届毕业生生源情况综合分析专题图
注：人才就业回报率指院校所在城市从人才培养所注入投资中得到的就业回报。
地理集中指数G 衡量就业与生源地集中程度，值越接近１００表征分布越集中。吸引半径和辐射半径A R 衡量生源与就业地离高校所在地的平均距离，单位为km 。
由图３和模型结果结合分析可见，随着该校的规模的扩大和师资力量的壮大，招生范围也几乎遍及全国，体现出既广泛又相对集中的特点。生源地吸引半径为２９５．７km ，代表２０１１届毕业生的主要生源还是来自福建及其周边少数几个省份，符合该校作为当地唯一一所地方本科院校“力争建设成为特色、精致、具有较强竞争力的开放式、应用型、地方性、国际化的海西一流亲产业大学”的办学理念
［３］
的范围及标签所表示的准确的数字来了解毕业生回
流情况。
由图４可以看出，该校对特区的人才就业回报率较高。大城市及东部沿海城市对毕业生的吸引力很大，中西部省份的回流人数普遍偏低，而东部的较为发达的城市如广东、上海，回流人数达到了负值，说明在该省份城市就业人数远远大于招生人数。相关教师也应给毕业生更多的就业指导，防止人才过剩。２．４ 招生及就业情况
以回流人数作为地图统计变量，同时列举就业人数及招生人数，制作出招生就业情况综合分析专题图，如图５所示。
招生就业情况综合分析专题图用数值列举出就业人数及招生人数的准确数值，用颜色代表之间的差异，即回流人数。
。
２．３ 回流生源地就业情况
某省就业的人数与该省当届招生数之差称为回流人数（例：指从A 省招收了ｍ名同学，毕业后，有ｎ名同学选择去Ａ省就业，其中，ｍ－ｎ的值即为回流人数）。我们从统计原始数据得出的结果中计算出了每一个省份的回流人数，并用这些值作为地图统计变量制作地图，如图４所示。
回流生源地就业情况综合分析专题图以回流人数作为统计变量，可以更加直观地显示出各个省份
万方数据
就业人数与招生人数的差异，从而通过颜色所代表
３ 结语
借助软件提供的完善地图编辑与输出功能，输
出“毕业生就业情况”“毕业生生源情况”“毕业生回
流生源地”“毕业生招生就业综合情况”４套综合信息专题图件，一目了然地掌握高校毕业生的就业回
报情况。研究结果表明高校相关教师须引导毕业生
正确地选择就业地，从而均衡高素质劳动力的均匀分配，促进东部和西部、
城市和农村的协调发展。
图４ 厦门理工学院２０１１届毕业生回流生源地就业情况综合分析专题图
注：
回流人数为到某省就业的人数与当届招生数之差。
图５ 厦门理工学院２０１１届毕业生招生就业情况综合分析专题图
注：回流人数为到某省就业的人数与当届招生数之差。
万方数据
参考文献
［１］耿献辉，刘志民．产业关联与高校毕业生就业效应分析［J ］．
教育与经济，２０１１（４）：４５－５１．
［２］杨英法，苗方朔．综合职业能力模式课程体系构建［J ］．
中国教育学刊，２０１２（６）：６８－６９．
［３］安锦．高校毕业生就业促进政策与促进机制研究———以
湖北省为例［D ］．武汉：武汉大学，２０１１．
ＴｈｅＭａｐｐｉｎｇａｎｄＡｎａｌｙｓｉｓｔｏＣｏｌｌｅｇｅＧｒａｄｕａｔｅｓ’ＥｍｐｌｏｙｍｅｎｔＤｉｓｔｒｉｂｕｔｉｏｎ
ｂａｓｅｄｏｎＧＩＳａｎｄＧｅｏｇｒａｐｈｉｃＣｏｎｃｅｎｔｒａｔｉｏｎＩｎｄｅｘ
HE Yuan －rong ，etc ．
（ＳｃｈｏｏｌｏｆＣｏｍｐｕｔｅｒａｎｄＩｎｆｏｒｍａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇ，ＸｉａｍｅｎＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ，ＸｉａｍｅｎＦｕｊｉａｎ３６１０２４，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Drafting the employment distribution map of college graduates is an effective measure to grasp
their employment situation ，trends and law s ．In this regard ，the college graduates ’employment and their registration forms can be used as raw data ，the statistics data can be formed as a unit by province through a data summary ，and then it is bound to China ’s administrative division map in GIS format ．When mapping ，the statistical mapping function in GIS can be used for generating a thematic map ，w hich can make g raduates ’employment situation visualized by provincial differences ．Ｋｅｙｗｏｒｄｓ：GIS ；colleges ；employment ；thematic map g eographic concentration index ；
（上接第１１５页）
［１２］Deppisch T ．E ６Tensors ：A Mathematica Package for E ６［１３］Clark D B ，Godat E ，Olness F I ．ManeParse ：a Math ‐
ematica reader for Parton Distribution Functions ［J ］．Tensors ［J ］．Thomas Deppisch ，２０１６，１９：１５．
［１４］Tabakin F ．QDENSITY ／QCW AVE ：A Mathematica quan ‐
munications ，２０１６，２０１：１７１－１７２．
tum computer simulation update ［J ］．Computer Physics Com ‐
High Engery Physics ‐Phenomenology ，２０１６（１５）：１６．
ＴｈｅＳｔｕｄｙｏｎＦａｃｅＲｅｃｏｇｎｉｔｉｏｎＡｌｇｏｒｉｔｈｍＢａｓｅｄｏｎＩｎｔｅｒｎｅｔＣｌｏｕｄＣｏｍｐｕｔｉｎｇ
XU Shao －rong
（ＦｕｚｈｏｕＰｏｌｙｔｅｃｈｎｉｃ，Ｆｕｚｈｏｕ３５０１０８，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Face recognition algorithm based on Internet cloud computing is the core algorithm of artificial in ‐telligence ，and also the bottleneck lies in the development computer vision ．In this paper ，the features of the images have been extracted by the principal component analysis algorithm ，and some improvements have been made for the traditional bacterial foraging algorithm ．An improved bacterial foraging algorithm （GB ‐FA ）has been put forward ．T he target function in the principal component analysis has been solved by the improved bacterial foraging algorithm ．T he calculation process is embedded in M athematica Cloud ．By using the deployment function ，the images have been manipulate ，and the face recognition program has been de ‐veloped ．T he four functional forms of smart matting spinning ，face classification ，face matching of the same
and looking for a specific person have been tested ．T he results show that the face recognition algo ‐p eople ，
rithm based on the Internet cloud proposed in this article has a strong adaptability and high accuracy for face recognition ，face classification ，face screening ，and so on ．Ｋｅｙｗｏｒｄｓ：M athematica Cloud ；GBFA ；matting snag p rincipal component analysis ；
万方数据
２６／２８１１６‐１２１
长春工程学院学报（自然科学版）２０１６年第１７卷第３期ｄｏｉ：１０．３９６９／j ．issn ．１００９‐８９８４．２０１６．０３．０２６
基于G IS 与地理集中度指数的
大学毕业生就业分布制图与分析
何原荣，尹 飞，郑渊茂，陈小南
（厦门理工学院计算机与信息工程学院，福建厦门３６１０２４）
摘 要：为把握大学毕业生就业情况、动态和规律，将高校毕业生就业及其生源登记表作为原始数据，通过数
据汇总形成以省份为单元的统计数据，并将其绑定到GIS 格式的中国行政区划地图上，制作大学毕业生就业分布图。制图时，采用GIS 的统计制图功能生成了直观可视化毕业生就业情况省级差异的专题图件。关键词：GIS ；高校；就业；地理集中度指数；专题图中图分类号：P ２８文献标志码：A 文章编号：１００９‐８９８４（２０１６）０３‐０１１６‐０６ 自１９９９年高校大规模扩招以来，我国大学毕业生数量节节攀升，２０１６年高校毕业生总数达７６５万之多。同时，我国经济在维持了３０余年的高速增长后，近年来步入中高速增长的新常态。虽然我国采取了一系列鼓励创业、扩大创业的措施，但就业人数有增无减，面对逐年增长的就业大军，就业工作仍然面临着很大的挑战和压力。把握大学毕业生就业情况、动态和规律，是扩大大学生就业，维持高校发展和社会和谐稳定的必行之举，而制作大学毕业生就业分布图是把握大学毕业生就业情况、动态和规律的有效举措。通过对历年的毕业生就业登记数据进行分析，对高校招生就业工作决策以及学生择业和就业指导具有借鉴意义。为了支撑上述分析工作，本文采用GIS 的空间分析与数学模型的集成分析手段从大数据量的招生就业情况得到直观、数字化的综合分析成果显然非常必要。
签，制作标签专题图，如图１所示。１．２ 专题数据
为了在Supermap 的地图上分析高校毕业生就业的空间分布情况，选取２０１１届４０００余名毕业生的生源登记表。对于就业登记表的统计处理，从收集的原始表中的就业单位判别所在就业省份，并以班级为单元做出各省就业统计表。由于这些数据存放于Excel 表格中，不便于查找和提取，但是专题图制作统计变量均来源于这些原始数据表格，因此，将这些专题数据通过建立内置属性库在Supermap
［１］
Deskpro ６上实现与底图数据绑定。１．３ 分析模型及模型参数
选择经济地理学中的地理集中指数、吸引半径模型进一步做定量综合分析，达到可视化分析与综合定量分析相得益彰的系统分析。１．３．１ 地理集中指数模型及其参数来源
地理集中指数是衡量集中程度的重要指标，利用该模型可以分析就业地与生源地空间分布的集中程度，模型表述为Ｇ＝１００×ｉ∑。（１）＝１对于就业地的集中情况而言，Ｇ为就业地地理集中指数；ｘｉ为第ｉ个省的毕业生数量；Ｔ为该单位下毕业生总人数（如果需要细化计算某个系的毕业生就业地地理集中指数，则为该系的毕业生总人数）；ｎ为就业省份的总数。对于生源地，Ｇ为生源地地理集中指数；ｘｉ为第ｉ个省的生源数；Ｔ为该单位下总生源数；ｎ为就业省份的总数。见表１所示。
ｎ
２
１ 基础数据及其预处理
１．１ 底图数据
获取中国行政区划图、地图的数学基础为：
Gauss Krueger （BEIJING １９５４），带数为GK zone
１８。该地图具有经纬度坐标，便于与空间化的专题信息进行多源数据融合。将得到的底图加上省份标
收稿日期：２０１６－０５－２５
基金项目：厦门理工学院项目（JGY ２０１４４０）
作者简介：何原荣（１９７７－），男（汉），福建龙海，博士后，副教授
万方数据主要研究地理制图与地理信息工程。
何原荣，等：基于GIS 与地理集中度指数的大学毕业生就业分布制图与分析１１７
图１ 中国行政区划底图
表１ 地理集中指数模型参数的数据来源
数据来源
参数
就业分布地理集中指数Ｇ
ｘｉ
从就业登记表中统计到各省就业人数
从就业登记表中统计全部毕业生数
从就业登记表中统计就业省份个数
毕业生生源地理集中指数Ｇ从生源登记表中统计各省生源人数
从生源登记表中统计全部生源数
从生源登记表中统计生源省份个数
省份河北省山西省陕西省辽宁省吉林省黑龙江省
果，汇总见表２所示。
表２ 参数ｄｉ的查询汇总结果表
省会石家庄太原西安沈阳长春哈尔滨南京杭州合肥福州南昌济南郑州武汉
里程ｄｉ／km ２１４１２５６５２２４０３１８６３７７８３５１７１３９０９３９１４０６２５７８３８２０６９１７２９１１７５
省份湖南省广东省海南省四川省贵州省云南省甘肃省北京天津上海重庆新疆广西
省会长沙广州海口成都贵阳昆明兰州北京天津上海重庆乌鲁木齐南宁
里程ｄｉ／km １１９８８５０１６５２２５０３２１６６２５１６２９１６２２８７２２８２１１２３２１８８４８０８１６６７
Ｔ
ｎ
１．３．２ 吸引半径模型及其参数来源
吸引半径模型主要用于量化就业辐射范围和生源吸引半径，模型表述为
ＡＲ＝
ｉ
江苏省浙江省安徽省福建省
∑ｘｄ
２ｉ
２ｉ
∑ｘｉ＝１
２
。（２）
江西省山东省河南省湖北省
对于就业辐射范围而言，ＡＲ为以厦门为中心的毕业生就业辐射范围，ｘｉ为第ｉ个省份毕业生所占比重。对于生源吸引半径，ＡＲ为以厦门为中心的生源吸引半径，ｘｉ为第ｉ个省份生源所占比重。ｎ为生源省份的总数，ｄｉ为第ｉ个省份与厦门之间的距离。ｄｉ采用以厦门火车站为中心，以其至各省、自治区、直辖市的政府所在地的铁路里程代表该地到厦门的空间距离表示，通过火车网（w w w ．
万方数据
huoche ．com ．cn ）的火车时刻查询页面获取查询结
２ 专题图制作与分析
２．１ 就业情况
为了在同一张地图上淋漓尽致地表达２０１１届毕业生就业情况，以在中国行政区划图上充分显示省份名称、就业人数数值及其图形、分级范围、模型
分析结果及相关说明等综合信息为例，设置画布大
小为２１cm ×２９．７cm 。修改地图集的比例尺为１∶２６２２２６５３，输出时设置输出分辨率为４００dpi 。
加入图名、图例、比例尺、指北针等辅助要素，最终输
出的成果图能够清晰地表达各类专题要素，如图２
所示。
图２ 厦门理工学院２０１１届毕业生就业情况综合分析专题图
注：人才就业回报率指院校所在城市从人才培养所注入投资中得到的就业回报。
地理集中指数G 衡量就业与生源地集中程度，值越接近１００表征分布越集中。吸引半径和辐射半径A R 衡量生源与就业地离高校所在地的平均距离，单位为km 。
图２可以直观体现该所高校２０１１届毕业生在
全国范围内的就业分布情况。由底图颜色所代表的数值范围和具体标签所显示的数值从而满足不同精度要求的需要。地图左侧的柱状图所代表的是利用模型计算出来的地理集中指数Ｇ及吸引半径ＡＲ的结果。通过专题图和柱状图相辅相成、相互结合的方式，从可视化和定量化两方面描述就业分布情况，大大地提高了地图的可读性。
由图２和模型结果结合分析可以看出，该校２０１１届毕业生就业极化现象较严重，就业省份大多选择大城市和东部沿海地区；从微观角度来看，它提高了毕业生的人力资本回报率，也为大中城市的非国有经济的发展注入了新的活力。然而却加剧了高万方数据
素质劳动力的地区分布和城乡分布的偏斜，减弱了
中西部和农村地区的发展能力，进一步加大了区域和城乡经济发展的差距，不利于东部和西部、城市和
［２］
农村的协调发展。２．２ 生源情况
由于学校在各省的招生人数不同，考虑到有的学生毕业后想回原籍，所以招生人数的多少也会影响到就业分布。因此，制作出生源情况综合分析专题图，以供分析和参考使用，如图３所示。
生源情况综合分析专题图可以直观体现该校２０１１届毕业生在全国范围内的招生情况。由底图颜色所代表的数值范围和具体标签所显示的数值满足了不同精度要求的需要。地图左侧的柱状图所代
表的是利用模型计算出来的地理集中指数Ｇ及吸引半径ＡＲ
的结果。
图３ 厦门理工学院２０１１届毕业生生源情况综合分析专题图
注：人才就业回报率指院校所在城市从人才培养所注入投资中得到的就业回报。
地理集中指数G 衡量就业与生源地集中程度，值越接近１００表征分布越集中。吸引半径和辐射半径A R 衡量生源与就业地离高校所在地的平均距离，单位为km 。
由图３和模型结果结合分析可见，随着该校的规模的扩大和师资力量的壮大，招生范围也几乎遍及全国，体现出既广泛又相对集中的特点。生源地吸引半径为２９５．７km ，代表２０１１届毕业生的主要生源还是来自福建及其周边少数几个省份，符合该校作为当地唯一一所地方本科院校“力争建设成为特色、精致、具有较强竞争力的开放式、应用型、地方性、国际化的海西一流亲产业大学”的办学理念
［３］
的范围及标签所表示的准确的数字来了解毕业生回
流情况。
由图４可以看出，该校对特区的人才就业回报率较高。大城市及东部沿海城市对毕业生的吸引力很大，中西部省份的回流人数普遍偏低，而东部的较为发达的城市如广东、上海，回流人数达到了负值，说明在该省份城市就业人数远远大于招生人数。相关教师也应给毕业生更多的就业指导，防止人才过剩。２．４ 招生及就业情况
以回流人数作为地图统计变量，同时列举就业人数及招生人数，制作出招生就业情况综合分析专题图，如图５所示。
招生就业情况综合分析专题图用数值列举出就业人数及招生人数的准确数值，用颜色代表之间的差异，即回流人数。
。
２．３ 回流生源地就业情况
某省就业的人数与该省当届招生数之差称为回流人数（例：指从A 省招收了ｍ名同学，毕业后，有ｎ名同学选择去Ａ省就业，其中，ｍ－ｎ的值即为回流人数）。我们从统计原始数据得出的结果中计算出了每一个省份的回流人数，并用这些值作为地图统计变量制作地图，如图４所示。
回流生源地就业情况综合分析专题图以回流人数作为统计变量，可以更加直观地显示出各个省份
万方数据
就业人数与招生人数的差异，从而通过颜色所代表
３ 结语
借助软件提供的完善地图编辑与输出功能，输
出“毕业生就业情况”“毕业生生源情况”“毕业生回
流生源地”“毕业生招生就业综合情况”４套综合信息专题图件，一目了然地掌握高校毕业生的就业回
报情况。研究结果表明高校相关教师须引导毕业生
正确地选择就业地，从而均衡高素质劳动力的均匀分配，促进东部和西部、
城市和农村的协调发展。
图４ 厦门理工学院２０１１届毕业生回流生源地就业情况综合分析专题图
注：
回流人数为到某省就业的人数与当届招生数之差。
图５ 厦门理工学院２０１１届毕业生招生就业情况综合分析专题图
注：回流人数为到某省就业的人数与当届招生数之差。
万方数据
参考文献
［１］耿献辉，刘志民．产业关联与高校毕业生就业效应分析［J ］．
教育与经济，２０１１（４）：４５－５１．
［２］杨英法，苗方朔．综合职业能力模式课程体系构建［J ］．
中国教育学刊，２０１２（６）：６８－６９．
［３］安锦．高校毕业生就业促进政策与促进机制研究———以
湖北省为例［D ］．武汉：武汉大学，２０１１．
ＴｈｅＭａｐｐｉｎｇａｎｄＡｎａｌｙｓｉｓｔｏＣｏｌｌｅｇｅＧｒａｄｕａｔｅｓ’ＥｍｐｌｏｙｍｅｎｔＤｉｓｔｒｉｂｕｔｉｏｎ
ｂａｓｅｄｏｎＧＩＳａｎｄＧｅｏｇｒａｐｈｉｃＣｏｎｃｅｎｔｒａｔｉｏｎＩｎｄｅｘ
HE Yuan －rong ，etc ．
（ＳｃｈｏｏｌｏｆＣｏｍｐｕｔｅｒａｎｄＩｎｆｏｒｍａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇ，ＸｉａｍｅｎＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ，ＸｉａｍｅｎＦｕｊｉａｎ３６１０２４，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Drafting the employment distribution map of college graduates is an effective measure to grasp
their employment situation ，trends and law s ．In this regard ，the college graduates ’employment and their registration forms can be used as raw data ，the statistics data can be formed as a unit by province through a data summary ，and then it is bound to China ’s administrative division map in GIS format ．When mapping ，the statistical mapping function in GIS can be used for generating a thematic map ，w hich can make g raduates ’employment situation visualized by provincial differences ．Ｋｅｙｗｏｒｄｓ：GIS ；colleges ；employment ；thematic map g eographic concentration index ；
（上接第１１５页）
［１２］Deppisch T ．E ６Tensors ：A Mathematica Package for E ６［１３］Clark D B ，Godat E ，Olness F I ．ManeParse ：a Math ‐
ematica reader for Parton Distribution Functions ［J ］．Tensors ［J ］．Thomas Deppisch ，２０１６，１９：１５．
［１４］Tabakin F ．QDENSITY ／QCW AVE ：A Mathematica quan ‐
munications ，２０１６，２０１：１７１－１７２．
tum computer simulation update ［J ］．Computer Physics Com ‐
High Engery Physics ‐Phenomenology ，２０１６（１５）：１６．
ＴｈｅＳｔｕｄｙｏｎＦａｃｅＲｅｃｏｇｎｉｔｉｏｎＡｌｇｏｒｉｔｈｍＢａｓｅｄｏｎＩｎｔｅｒｎｅｔＣｌｏｕｄＣｏｍｐｕｔｉｎｇ
XU Shao －rong
（ＦｕｚｈｏｕＰｏｌｙｔｅｃｈｎｉｃ，Ｆｕｚｈｏｕ３５０１０８，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Face recognition algorithm based on Internet cloud computing is the core algorithm of artificial in ‐telligence ，and also the bottleneck lies in the development computer vision ．In this paper ，the features of the images have been extracted by the principal component analysis algorithm ，and some improvements have been made for the traditional bacterial foraging algorithm ．An improved bacterial foraging algorithm （GB ‐FA ）has been put forward ．T he target function in the principal component analysis has been solved by the improved bacterial foraging algorithm ．T he calculation process is embedded in M athematica Cloud ．By using the deployment function ，the images have been manipulate ，and the face recognition program has been de ‐veloped ．T he four functional forms of smart matting spinning ，face classification ，face matching of the same
and looking for a specific person have been tested ．T he results show that the face recognition algo ‐p eople ，
rithm based on the Internet cloud proposed in this article has a strong adaptability and high accuracy for face recognition ，face classification ，face screening ，and so on ．Ｋｅｙｗｏｒｄｓ：M athematica Cloud ；GBFA ；matting snag p rincipal component analysis ；
万方数据