聚合多個個體的估計值作為群體估計,群體估計比大多數(shù)單個個體的估計更接近真實值,這種效應(yīng)被稱為“群體智慧”(Wisdom of Crowds,WOC)。群體智慧是聚合個人意見的有效機制,最大化用于決策、估計和預(yù)測任務(wù)的信息量,減少了依賴錯誤、不可靠和不準確信息的潛在影響。個體估計的聚合機制是決定群體智慧效度的最重要因素。本研究聚焦于個體判斷的極端化聚合機制,從實數(shù)值個體判斷和概率值個體判斷兩個維度出發(fā),旨在基于多樣性預(yù)測定理以及個體判斷的最佳擬合分布特征,構(gòu)建極端化聚合機制,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驗,采集被試個體的估計數(shù)據(jù),創(chuàng)新性地構(gòu)建了準確度和優(yōu)勝度兩個指標對群體智慧效度進行量化評價。在概率值估計場景中,對極端化聚合機制的多種變式進行了對比分析,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證研究;在實數(shù)值估計場景中,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行對比分析,探究個體估計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)勝度指標定義圖群體估計G的優(yōu)勝度定義為：betterGCounterSuperiorityn(2-3)的值域為(0,1]。優(yōu)勝度描述群體估計優(yōu)于個體估計的數(shù)量占估計值總個數(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)勝度進行等級的劃....

圖3-1檢驗正態(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

第三章實驗研究設(shè)計27步判別。表3-6K-S檢驗雙側(cè)檢驗概率結(jié)果-實數(shù)值估計判斷實驗編號正態(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校準函數(shù)曲線如圖4-1所示，橫坐標為個體提供的原始主觀概率值，縱坐標為經(jīng)過校準的概率估計值。a1時，表示不對原始概率值進行轉(zhuǎn)換；a1時，表示對概率進行保守化校準，a1時，表示對概率值進行極端化校準。|-a|1越大，校準幅度越大。....

圖4-2構(gòu)造反S型極端化校準函數(shù)

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

本文編號：3895391