CN104484542A - 一种基于混合高斯概率密度加权的打分模型及系统 - Google Patents
一种基于混合高斯概率密度加权的打分模型及系统 Download PDFInfo
- Publication number
- CN104484542A CN104484542A CN201410148211.XA CN201410148211A CN104484542A CN 104484542 A CN104484542 A CN 104484542A CN 201410148211 A CN201410148211 A CN 201410148211A CN 104484542 A CN104484542 A CN 104484542A
- Authority
- CN
- China
- Prior art keywords
- probability density
- grading
- marking
- distribution
- expert
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于混合高斯概率密度的打分模型及系统,该系统能根据专家打分的离散程度,用混合高斯分布拟合其分布函数,再利用该函数的概率密度来合理设置权重。相比现有打分方法,本系统具有以下优势:1.可以很好拟合实际分布函数,并能从理论上保证拟合结果的有效性;2.本系统根据拟合分布自动调整专家的打分权重,可以公平地反映评价对象的水平;3.本发明中的打分系统不损失专家的打分数据信息。本方法在获取打分数据后,通过EM算法得到混合高斯分布的各参数值,再利用概率密度函数为每个分数据赋予权重。选手最后得分就为所有专家打分的加权和。最后将该打分模型程序嵌入到ARM板硬件中实现交互式操作。该模型广泛适用于评委较多的比赛中。
Description
技术领域
本发明涉及到一种基于高斯混合分布概率密度打分模型及系统,主要用于各类评估系统及专家打分系统。
技术背景
比打分是各种领域、各行各业为了发扬先进、好中选优所采取的激励性措施。为了避免个人因素存在而影响选手的真实水平,各种评比活动中都安排多位评委对选手进行打分。目前流行的两种专家打分方法分别是:①直接对将所有专家的打分求和取平均;②先去掉专家打分中的最高分和最低分,再求和取平均,也称为“去两头”打分法。
尽管以上两种方法在绝大所数领域内被广泛接受并加以应用,但是还是能发现其存在的明显弊端。一方面,不同专家对选手的水平认可程度不一样,导致评分侧重点也各不相同,因此对选手的打分不同也在合理之中,如果按照去掉最高分和最低分来评定选手的水平,显然会损失打分信息,因此是不可取的;另一方面,已有打分方法由于采用取平均值的方法,对每位专家的权重相等,因此不能有效解决少数专家故意压低或提高打分的问题。
随着计算机存储能力的不断增加,以及人们对事物认识能力的提高,如何在大量的数据中发现有用的信息、模式和知识成为了焦点问题,为此人们引入了混合高斯分布模型。
其中αi,μi,σi和M为未知参数,X为打分数据。
一般来说只要高斯混合模型中高斯分布的个数越多,拟合精确度越高。如今混合高斯分布模型已经成为分析复杂现象的一个重要的工具,并且在各个领域都有广泛的应用。
如果将该模型用于打分系统的设计,利用混合高斯分布概率密度相关性质,根据专家的实际打分信息,赋予所有专家不同的打分权重,从而确定选手的最终成绩,可以有效地解决上文所提出的问题。同时将改进算法嵌入到硬件中,则可实现商业应用。
发明内容
该发明主要分为打分模型和系统两部分,这里分别进行介绍:
1.打分模型
打分模型描述如下:
(1)使用混合高斯分布函数拟合打分数据。混合高斯分布中涉及到未知参数αi,μi,σi和M,所以需要利用打分数据对这些参数进行估计。近年来,EM算法在参数估计的算法实现中应用非常广泛,因此,本发明中采用EM算法对混合高斯分布函数中的参数进行估计,得到相应的参数αi,μi,σi和M的估计值后,就能获得混合高斯分布模型。
(2)获取每一个打分数值的权重。将所得到的分布密度函数进行区间划分,同时计算每个区间概率。 等区间划分是指对混合高斯分布密度函数去掉两端3σ以外的区间后,进行等距划分,划分区间长度如下:
其中6σ为去掉3σ两端以外的部分区间长度,这里的3σ由打分数据的均方差计算得到,m为可变参数,n为专家个数。则整个概率密度函数被分成(mn+2)个区间。每个区间的概率为:
显然对于每一个区间都能得到相应的概率。
再将所有的打分数据映射到已划分的区间,从而得到每一个打分的对应的概率。然后将所有的打分概率进行归一化,归一化以后的数值作为每一个打分的权重。
(3)对所有的打分进行加权求和,该得分即为选手的最终成绩。
2.打分系统
获得相应的打分模型后,我们对模型进行软件的集成化,然后再将相应的软件嵌入到ARM板中,这样使该打分系统实现手持功能,同时更加便利,更适合商业推广。
附图说明
图1、基于混合高斯概率密度加权的打分模型流程示意图
图2、打分系统示意图
图3、手持打分器主面板
具体实施方式
下面结合实例对本发明进行详细说明。
实例描述:某大型比赛中,共有10位评委对所有参赛选手比赛水平进行打分,A和B两位选手的打分分别为:
SA=(70,72,85,87,86,90,94,91,89,90)
SB=(78,84,87,88,87,86,89,85,86,87)
(1)数据分布拟合
使用混合高斯分布对两组数据分别进行拟合。本专利中运用EM算法对混合高斯分布中的参数进行估计,假设混合高斯分布由2个高斯分布组成,先将得分数据归一化到(-1,1)区间中。计算出A和B选手参数为:
αA=(0.8197,0.1803) αB=(0.8306,0.1694)
μA=(10,10.2) μB=(9.8,10.1)
σA=(11,13) σB=(10,13)
(2)区间划分并计算得分的权重
令m=2,则根据公式(mn+2)将区间分为22个区间,相应得到每个区间的区间长度,再根据混合高斯分布概率密度函数,计算得到得分落在每个区间的概率,将A和B两个选手的得分映射到相应的区间,得到相应的权重。
wA=(0.093,0.094,0.103,0.103,0.103,0.101,0.099,0.101,0.103,0.101)
wB=(0.090,0.099,0.102,0.101,0.102,0.102,0.099,0.101,0.102,0.102)
(3)计算选手最终得分
由Sf=S·w分别计算A和B得分为85.614和85.778,如果沿用去最高分和最低分的方法得到两位选手的得分相等,都为86.250。
虽然二者的平均得分都相等,但是观察专家打分发现,A选手虽然有许多高分,但是也存在一些较低得分,而B选手得分明显更集中,成绩的稳定性更好,因此选手B的最终得分应该高于选手A。本模型通过将所有专家的评分合理加权,不仅没有损失评分信息,而且选手的最终得分能更全面反应选手的真实水平。同时通过利用概率密度加权,能够有效消除部分专家恶意拉高或拉低选手成绩的现象。
Claims (4)
1.一种基于高斯混合分布概率密度的打分模型,能够根据专家打分的离散程度,利用混合高斯分布拟合其分布函数,并通过分布函数的概率密度来合理设置权重,从而得到最后选手的最终综合打分成绩。其特征是:数据拟合的有效性;打分公平性;打分数据完整性。
2.根据权利要求1所述的打分模型及系统,其特征是:当专家的打分不服从正态分布时,可以很好的拟合出实际的分布函数,并能从理论上保证拟合结果的有效性。
3.根据权利要求1所述的打分模型及系统,其特征是:当专家的打分出现偏态,或部分专家故意提高或压低评价对象的成绩时,本系统能够根据拟合分布自动调整相应专家的打分权重,保证最终的分值能够公平的反应评价对象的水平。
4.根据权利要求1所述的打分模型及系统,其特征是:给出的打分系统不损失专家的打分数据信息,避免了已有打分方法去掉最高、最低分所导致的信息损失。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410148211.XA CN104484542A (zh) | 2014-04-15 | 2014-04-15 | 一种基于混合高斯概率密度加权的打分模型及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410148211.XA CN104484542A (zh) | 2014-04-15 | 2014-04-15 | 一种基于混合高斯概率密度加权的打分模型及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104484542A true CN104484542A (zh) | 2015-04-01 |
Family
ID=52759083
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410148211.XA Pending CN104484542A (zh) | 2014-04-15 | 2014-04-15 | 一种基于混合高斯概率密度加权的打分模型及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104484542A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109255663A (zh) * | 2018-09-29 | 2019-01-22 | 北京金山安全软件有限公司 | 针对代币的评分方法、装置、计算机设备和存储介质 |
CN109697260A (zh) * | 2018-12-29 | 2019-04-30 | 北京金山安全软件有限公司 | 虚拟货币的检测方法、装置、计算机设备和存储介质 |
-
2014
- 2014-04-15 CN CN201410148211.XA patent/CN104484542A/zh active Pending
Non-Patent Citations (5)
Title |
---|
李建华等: "混合高斯概率密度模型动态簇算法参数估计", 《声学与电子工程》 * |
李金海等: "评价方法论研究综述", 《河北工业大学学报》 * |
王平波等: "混合高斯概率密度模型参数的期望最大化估计", 《声学技术》 * |
陈及治: "体育统计", 《上海体育学院学报》 * |
陈晓红等: "基于区间数群决策矩阵的专家权重确定方法及其算法实现", 《系统工程与电子技术》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109255663A (zh) * | 2018-09-29 | 2019-01-22 | 北京金山安全软件有限公司 | 针对代币的评分方法、装置、计算机设备和存储介质 |
CN109697260A (zh) * | 2018-12-29 | 2019-04-30 | 北京金山安全软件有限公司 | 虚拟货币的检测方法、装置、计算机设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104436656B (zh) | 游戏应用中用户的匹配方法和装置 | |
CN105425223B (zh) | 广义帕累托杂波下稀疏距离扩展雷达目标的检测方法 | |
CN106940439A (zh) | 基于无线声传感器网络的k均值聚类加权声源定位方法 | |
Ota et al. | Motor planning under temporal uncertainty is suboptimal when the gain function is asymmetric | |
Algamal | Penalized poisson regression model using adaptive modified elastic net penalty | |
CN104112062A (zh) | 基于插值方法的风资源分布的获取方法 | |
CN104484542A (zh) | 一种基于混合高斯概率密度加权的打分模型及系统 | |
CN109685334A (zh) | 一种新的基于多尺度理论的水文模型模拟评估方法 | |
Patil et al. | Using resampling techniques to compute confidence intervals for the harmonic mean of rate-based performance metrics | |
US8335660B2 (en) | Method and system of confidence interval methodology for ratio means | |
Muzzakar et al. | Provincial Real Economic Growth in Indonesia: Investigating Key Factors Through Spatial Analysis | |
CN110378389A (zh) | 一种Adaboost分类器计算机创建装置 | |
von Davier et al. | Application of multivariate Rasch models in international large-scale educational assessments | |
CN104240202A (zh) | 一种海浪三维可视化效果评估方法 | |
Motl et al. | Confirmatory factor analysis of the physical self-efficacy scale with a college-aged sample of men and women | |
CN110052012A (zh) | 一种乒乓球水平等级的电子辅助检测、训练系统及方法 | |
CN115730831A (zh) | 施工作业组织行为的安全指数评估方法、装置和电子设备 | |
CN105976220A (zh) | 基于项目使用次数的矩阵分解推荐方法 | |
CN107122547A (zh) | 基于贝叶斯原理的复杂试验不确定度评定方法 | |
Cahill | Significance of AIC differences for precipitation intensity distributions | |
CN109472455B (zh) | 活动评估方法、装置、电子设备及存储介质 | |
CN105388030B (zh) | 一种车载空气净化器净化效果的评价方法 | |
Koopmans | On the distinction between fractal and seasonal dependencies in time series data | |
Nouri et al. | Generative models of cultural decision making for virtual agents based on user’s reported values | |
CN109886596B (zh) | 一种基于心理账户理论提高群智感知系统合作率的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
DD01 | Delivery of document by public notice |
Addressee: Wu Duzhi Document name: Notification to Make Rectification |
|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20150401 |
|
WD01 | Invention patent application deemed withdrawn after publication |