一种基于混合高斯概率密度加权的打分模型及系统的制作方法
【专利摘要】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。
【专利说明】一种基于混合高斯概率密度加权的打分模型及系统
【技术领域】
[0001] 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
[0002] 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。
[0003] 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。
[0004] 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"
【权利要求】
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。
【文档编号】G06F19/00GK104484542SQ201410148211
【公开日】2015年4月1日 申请日期:2014年4月15日 优先权日:2014年4月15日
【发明者】伍度志, 方海洋, 宗福兴, 赵静, 汪辉, 李小蓉 申请人:伍度志, 方海洋, 宗福兴, 汪辉, 赵静, 李小蓉