2014B论文及思路交流
本帖最后由 小左。 于 2014-2-22 13:25 编辑在本文中，我们设计了一个数学模型评价教练，寻找上一个世纪在各个领域最优秀的大学体育教练。我们认为一个好的评价模型应该充分提取数据信息，实际背景信息并且最大化分离优秀教练和普通教练的相对距离。
首先，我们用统计分析方法提取了传奇教练的评价信息，并对其进行了筛选，确定了参数为：每一年的教练执教球队胜率，教练执教球队实力，是否教练执教球队总冠军。我们用前三年球队胜率的平均值近似球队的实力建立了一个基本函数得到了教练每一年的得分。
接着，我们用随机利率模型平滑了美国经济实际增长率的波动。我们利用得到的增长率平滑曲线估计时间轴的权重变化率，得到了时间轴上的权重函数。我们改进了纳什公理化模型，根据改进的纳什公理化模型建立了评分模型。同时，我们分析了公理化模型的灵敏度，检测并修正了模型的异常值，对模型进行的改进。
在模型的应用方面，我们建立了一个优化模型去最大化最优秀教练和普通教练的最短距离来保证结果的稳定性和评选规则的公平性。我们运用模拟退火算法的对模型的参数的最优解进行了估计，并检验了结果的全局最优性。我们将模型分别应用于篮球，足球和棒球评选100年以来最优秀的五个教练。我们选出了（）传奇教授。说明了我们的模型有着很高的准确率。
最后，我们应用Sobol’方法对模型进行了全局灵敏度分析，计算了参数的一阶灵敏度，交叉灵敏度和模型的变异系数。我们还讨论了模型的优缺点及后续的改进方向。
关键词：权重函数，纳什公理化模型，优化模型，Sobol’
顶顶。。。。。。。 好厉害的样子
掉渣天。。。。。。。。。。。 看一下论文呢 其实我觉得用神经网络的智能算法比较好，他不必人为地规定权重，在这个问题上传奇教练，并不是以教练的成绩作为衡量的，所以更应该加入对教练关于慈善，绯闻，传奇故事等量化后的数据进行评价，当然在时间权重问题上我个人觉得理想逼近点法不错，用执教的时间区间将时间权重加到受时间影响的指标中去。 zyk11 发表于 2014-2-14 20:27
看一下论文呢
要投稿的所以短期内不能全部公布，思路基本已经在摘要里了。 zyk11 发表于 2014-2-14 20:33
其实我觉得用神经网络的智能算法比较好，他不必人为地规定权重，在这个问题上传奇教练，并不是以教练的成绩 ...
首先，可以考虑很多因素，但是在有效时间下无法取得过多的参数。加入一些本不是量化的因素，是不可能实现的。其次，你没有充分理解神经网络的自学习体系。他的自学习是需要训练的，除非事先给出部分具体得分的，才可能用到神经网络。更深入的分析，实际上先确定优化模型再求参数本就是神经网络的思想。神经网络本身是线性权重模型，除非在大数据无规律条件下，否则不是首选。 顶顶顶顶顶。。 性别的问题是怎么解决的？
怎么没看见你在摘要中提及？