隨著人們對知識產(chǎn)權(quán)的重視,作為其重要表征的專利的數(shù)量呈現(xiàn)爆發(fā)式增長,然而專利的質(zhì)量卻沒有隨之增長。大量的低質(zhì)量專利不但作用有限,反而會(huì)造成社會(huì)資源浪費(fèi)和遏制創(chuàng)新。專利的綜合評價(jià)有助于了解目標(biāo)專利的所處技術(shù)地位及篩選核心專利,還能讓研究人員了解行業(yè)目前發(fā)展?fàn)顟B(tài)和預(yù)測未來發(fā)展趨勢。本文首先對國內(nèi)外的專利質(zhì)量指標(biāo)進(jìn)行分析,選取出對專利質(zhì)量影響較大的指標(biāo),構(gòu)建專利質(zhì)量評價(jià)指標(biāo)模型。同時(shí),以鋼鐵行業(yè)相關(guān)專利為目標(biāo)數(shù)據(jù)集,分析該數(shù)據(jù)的特征類型,針對分析結(jié)果選擇適合該數(shù)據(jù)類型的未確知聚類和模糊均值聚類算法對目標(biāo)專利質(zhì)量進(jìn)行分析評價(jià)。最終,將目標(biāo)專利數(shù)據(jù)聚類出不同的級別,得出高質(zhì)量專利。在對專利質(zhì)量指標(biāo)的設(shè)定中,本文通過對專利質(zhì)量相關(guān)的指標(biāo)進(jìn)行逐一分析,最后遵循科學(xué)性、有效性和可行性的原則選擇了專利引文信息、專利族數(shù)量、權(quán)利聲明數(shù)構(gòu)建專利質(zhì)量評價(jià)綜合模型。在聚類過程中,發(fā)現(xiàn)未確知聚類算法在效率和準(zhǔn)確率上都有良好的表現(xiàn)。該方法是基于客觀數(shù)據(jù)進(jìn)行分析與數(shù)據(jù)挖掘得出評價(jià)結(jié)果,不同于人工判斷的等級評價(jià),更有利于計(jì)算機(jī)操作。同時(shí),該算法不僅能得出目標(biāo)專利屬于哪個(gè)等級,更能得出該專利屬于其它等級的概率大小,是基于... 

【文章來源】：河北工程大學(xué)河北省

【文章頁數(shù)】：64 頁

【學(xué)位級別】：碩士

【部分圖文】：

專利引文信息Fig.3-1Informationofpatentcitation

河北工程大學(xué)碩士學(xué)位論文30圖4-1未確知聚類流程圖Fig.4-1FlowchartofUMC未確知聚類克服了傳統(tǒng)聚類算法的缺點(diǎn)，使各個(gè)分類結(jié)果顯示出其屬于各類的隸屬度，而不是只單純的認(rèn)為某一樣本以隸屬度1屬于某一類。同時(shí)未確知聚類認(rèn)為d維空間上的樣本分為C個(gè)類別是因?yàn)椴煌悩颖镜耐挥^測值不一樣，其不同特征對區(qū)分開樣本類別的貢獻(xiàn)不一樣，未確知聚類承認(rèn)了這一點(diǎn)并作了定量的描述。未確知均值聚類通過分析輸入數(shù)據(jù)提供的關(guān)于分類的啟發(fā)式信息，構(gòu)造出的隸屬度能滿足測量的準(zhǔn)則。聚類的處理過程不是人為分析每個(gè)屬性對分類所做貢獻(xiàn)，對數(shù)據(jù)的聚類的過程較為客觀，這是未確知聚類算法對比傳統(tǒng)聚類算法的一大優(yōu)勢，未確知均值聚類算法采用的是一種軟分類的方法。4.1.2K-means聚類（1）K-means聚類算法簡介K-means聚類是一種基于劃分的聚類算法，其應(yīng)用范圍也是相當(dāng)大的。1955

河北工程大學(xué)碩士學(xué)位論文32以下圖4-2是K-means聚類算法的流程圖：圖4-2K-Means流程圖Fig.4-2FlowchartofK-Means4.1.3FCM聚類模糊均值聚類算法（FuzzyC-Meansclustering，F(xiàn)CM）是一種基于劃分的聚類算法，是無監(jiān)督聚類的主要方法之一，該算法在運(yùn)行過程中不需要人工干預(yù)。早在1973年，Bezdek就提出了該算法，其思想就是讓同一族群的數(shù)據(jù)點(diǎn)之間的相似性盡量大，而不同族群的數(shù)據(jù)點(diǎn)之間的相似性盡量校模糊均值聚類算法相對于普通的均值聚類算法而言是一種軟劃分，而普通的均值聚類算法中某個(gè)點(diǎn)屬于摸個(gè)子族群是確定的。FCM聚類算法在處理符合正態(tài)分布的大規(guī)模數(shù)據(jù)時(shí)效果較好，但該算法的缺點(diǎn)對初始選擇的聚類的中心點(diǎn)和噪聲點(diǎn)較為敏感。FCM聚類算法描述如下：在給定數(shù)據(jù)集：X=*1,2,…,+中，設(shè)每個(gè)是一個(gè)元素,其中的每個(gè)元素包含了s個(gè)屬性。模糊聚類就是要將X劃分為c類（2≤c<n），設(shè)V=*1,2,…,+是c個(gè)聚類子集的類中心。在模糊劃分中,每一個(gè)元素不能硬性地被劃分或歸屬到某一類，而是以一定的隸屬度屬于某一類。令u表示每j個(gè)元素屬于第i類的隸屬度，

【參考文獻(xiàn)】：
期刊論文
[1]基于文獻(xiàn)綜述視角的專利質(zhì)量理論研究[J]. 徐明,陳亮.  情報(bào)雜志. 2018(12)
[2]基于訴訟專利的專利質(zhì)量評價(jià)方法研究[J]. 張杰,孫超,翟東升,孫寧寧,欒博楊.  科研管理. 2018(05)
[3]中國專利質(zhì)量提升之路:時(shí)代挑戰(zhàn)與制度思考[J]. 毛昊.  知識產(chǎn)權(quán). 2018(03)
[4]專利申請質(zhì)量評價(jià)指標(biāo)體系研究[J]. 谷麗,閻慰椿,韓雪,洪晨.  科研管理. 2018(S1)
[5]高被引專利質(zhì)量的影響因素分析——以LED產(chǎn)業(yè)為例[J]. 張克群,牛悾悾,夏偉偉.  情報(bào)雜志. 2018(02)
[6]專利質(zhì)量對企業(yè)績效的作用關(guān)系研究——以創(chuàng)業(yè)板上市公司為例[J]. 張曉月,陳鵬龍,趙魏珵.  科技管理研究. 2017(22)
[7]二元專利質(zhì)量研究[J]. 劉立春.  情報(bào)雜志. 2017(11)
[8]基于專利申請及審查制度的專利引文評價(jià)效能實(shí)證研究[J]. 吳紅,冀方燕.  圖書情報(bào)工作. 2017(19)
[9]許可經(jīng)歷對企業(yè)專利質(zhì)量的影響——基于專利引用的分析[J]. 謝芳,陳勁.  中國科技論壇. 2017(10)
[10]專利質(zhì)量評價(jià)指標(biāo)相關(guān)研究綜述[J]. 谷麗,郝濤,任立強(qiáng),洪晨.  科研管理. 2017(S1)



本文編號：3509329