對于專利價值的不確定性和影響因素的復(fù)雜性,以及評估工作中缺乏可操作性強(qiáng)并且科學(xué)高效的評估方法等問題,對價值評估指標(biāo)體系進(jìn)行分析,并使用隨機(jī)森林算法選擇最有效的指標(biāo)集,同時基于DBSCAN(density-based spatial clustering of applications with noise)聚類選擇高精度且一致性低的決策樹子森林改進(jìn)傳統(tǒng)隨機(jī)森林算法,使用改進(jìn)前后的兩種隨機(jī)森林模型在專利數(shù)據(jù)樣本上進(jìn)行實(shí)驗(yàn)并比較。結(jié)果表明,改進(jìn)的隨機(jī)森林模型提升了傳統(tǒng)模型的精度,在專利價值評估中具有一定的作用,總體上比較有效地反映了專利的價值度。

【文章頁數(shù)】：7 頁

【文章目錄】：
1 專利價值評估指標(biāo)選擇
2 評估方法
    2.1 決策樹算法原理
    2.2 隨機(jī)森林算法原理
    2.3 基于DBSCAN聚類[16]的改進(jìn)隨機(jī)森林算法原理
        2.3.1 高精度子森林subF1的選擇方法
        3.3.2 DBSCAN聚類選擇多樣性子森林
3 實(shí)驗(yàn)及結(jié)果分析
4 結(jié)論



本文編號：3874773