群决策论文名次的优化模型

文章对评委打分、群决策的特点研究分析,发现在带有主观性且评分缺损系统中,由于不同评委打分习惯的差异,使得直接取均值法及T分数法的排名结果存在较大误差。为提高排名的准确性提出了论文交叉分配的数学模型,根据成对比较矩阵,利用最小平方和法确定了评委的权重。实验表明,新方法明显提高了论文排名的重合度,降低了乱序度。通过计算评委打分及论文得分的欧氏距离,证明了新方法中评委打分的误差度、论文的争议度都有明显降低。

确定专家权重的数量积法及在排名中的应用

对群决策及残缺主观评价系统研究分析,发现直接对评分取均值排名会因专家打分尺度的不同带来较大误差,虽然T分数法可以将打分尺度统一,但是缺乏对专家评价对象不同的考虑.为减小此系统误差,提出了一种确定专家权重的数量积法,并将其应用于论文型竞赛排名系统.与传统方法及T分数法比较,对T分数求加权平均值排名,提高了主观名次与客观名次的重合度,减小了其乱序度.计算欧氏距离,证明新方法减小了评委打分的误差度及论文的争议度.

群决策论文型竞赛名次的加权T分数法

对评委打分习惯及群决策机制进行分析,发现直接对评分取均值排名会因专家打分尺度的不同带来较大误差,虽然T分数法可以将打分尺度统一,但是缺乏对专家评价对象不同的考虑。为减小此系统误差,借鉴理想点法的思想,由论文的理想成绩及T分数求得评委后验权重。对T分数求加权平均值排名,与传统方法及T分数法比较,提高了主观名次与客观名次的重合度,减小了其乱序度。计算欧氏距离,证明新方法减小了评委打分的误差度及论文的争议度。

群决策论文型竞赛名次的优化模型

对群决策及主观残缺评价系统研究分析发现,评委打分尺度不同,使得直接取均分排名误差较大,虽然T分数法可以将打分尺度统一,但是它局限于同一样本之间的横向比较。为减小此系统误差,改进了T分数法,即给出论文的理想成绩,利用误差平方和最小法求出评委权重,对T分数求加权平均值排名。与传统方法及T分数法比较,改进的新方法提高了主观名次与客观名次的重合度,减小了其乱序度。计算欧氏距离,证明新方法减小了评委打分的误差度及论文的争议度。