聚合多個(gè)個(gè)體的估計(jì)值作為群體估計(jì),群體估計(jì)比大多數(shù)單個(gè)個(gè)體的估計(jì)更接近真實(shí)值,這種效應(yīng)被稱為“群體智慧”(Wisdom of Crowds,WOC)。群體智慧是聚合個(gè)人意見的有效機(jī)制,最大化用于決策、估計(jì)和預(yù)測任務(wù)的信息量,減少了依賴錯(cuò)誤、不可靠和不準(zhǔn)確信息的潛在影響。個(gè)體估計(jì)的聚合機(jī)制是決定群體智慧效度的最重要因素。本研究聚焦于個(gè)體判斷的極端化聚合機(jī)制,從實(shí)數(shù)值個(gè)體判斷和概率值個(gè)體判斷兩個(gè)維度出發(fā),旨在基于多樣性預(yù)測定理以及個(gè)體判斷的最佳擬合分布特征,構(gòu)建極端化聚合機(jī)制,并將極端化聚合方法與經(jīng)典算術(shù)平均策略的聚合質(zhì)量進(jìn)行對比,探究極端化聚合方法對群體智慧的改善程度。研究采用課程問題判斷實(shí)驗(yàn),采集被試個(gè)體的估計(jì)數(shù)據(jù),創(chuàng)新性地構(gòu)建了準(zhǔn)確度和優(yōu)勝度兩個(gè)指標(biāo)對群體智慧效度進(jìn)行量化評價(jià)。在概率值估計(jì)場景中,對極端化聚合機(jī)制的多種變式進(jìn)行了對比分析,并針對順序策略、區(qū)域策略、函數(shù)選擇與參數(shù)優(yōu)化展開多因素交叉分組實(shí)證研究;在實(shí)數(shù)值估計(jì)場景中,通過構(gòu)造非線性規(guī)劃問題,建立了偏移不可信值聚合方法,并對裁剪不可信值方法進(jìn)行對比分析,探究個(gè)體估計(jì)的裁剪幅度和不對稱裁剪對群體智慧效度的影響。研究結(jié)果表明:(...

【文章頁數(shù)】：91 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖2-1優(yōu)勝度指標(biāo)定義圖

第二章核心概念與研究綜述13圖2-1優(yōu)勝度指標(biāo)定義圖群體估計(jì)G的優(yōu)勝度定義為：betterGCounterSuperiorityn(2-3)的值域?yàn)?0,1]。優(yōu)勝度描述群體估計(jì)優(yōu)于個(gè)體估計(jì)的數(shù)量占估計(jì)值總個(gè)數(shù)的比例，優(yōu)勝度越高，說明群體智慧效度越高。本研究將對優(yōu)勝度進(jìn)行等級的劃....

圖3-1檢驗(yàn)正態(tài)分布、對數(shù)正態(tài)分布、威布爾分布、伽馬分布的相對差異度比較

第三章實(shí)驗(yàn)研究設(shè)計(jì)27步判別。表3-6K-S檢驗(yàn)雙側(cè)檢驗(yàn)概率結(jié)果-實(shí)數(shù)值估計(jì)判斷實(shí)驗(yàn)編號正態(tài)分布對數(shù)正態(tài)分布威布爾分布伽馬分布10.8780.9980.7560.98820.1760.393-0.32730.8570.9790.8970.96440.2750.4930.3110.....

圖4-1Karmarkar校準(zhǔn)函數(shù)曲線

華南理工大學(xué)碩士學(xué)位論文32代表的Karmarkar校準(zhǔn)函數(shù)曲線如圖4-1所示，橫坐標(biāo)為個(gè)體提供的原始主觀概率值，縱坐標(biāo)為經(jīng)過校準(zhǔn)的概率估計(jì)值。a1時(shí)，表示不對原始概率值進(jìn)行轉(zhuǎn)換；a1時(shí)，表示對概率進(jìn)行保守化校準(zhǔn)，a1時(shí)，表示對概率值進(jìn)行極端化校準(zhǔn)。|-a|1越大，校準(zhǔn)幅度越大。....

圖4-2構(gòu)造反S型極端化校準(zhǔn)函數(shù)

華南理工大學(xué)碩士學(xué)位論文32代表的Karmarkar校準(zhǔn)函數(shù)曲線如圖4-1所示，橫坐標(biāo)為個(gè)體提供的原始主觀概率值，縱坐標(biāo)為經(jīng)過校準(zhǔn)的概率估計(jì)值。a1時(shí)，表示不對原始概率值進(jìn)行轉(zhuǎn)換；a1時(shí)，表示對概率進(jìn)行保守化校準(zhǔn)，a1時(shí)，表示對概率值進(jìn)行極端化校準(zhǔn)。|-a|1越大，校準(zhǔn)幅度越大。....

本文編號：3895391