基于DBSCAN聚类改进随机森林算法的专利价值评估方法

发布时间：2023-12-24 15:17

　　对于专利价值的不确定性和影响因素的复杂性,以及评估工作中缺乏可操作性强并且科学高效的评估方法等问题,对价值评估指标体系进行分析,并使用随机森林算法选择最有效的指标集,同时基于DBSCAN(density-based spatial clustering of applications with noise)聚类选择高精度且一致性低的决策树子森林改进传统随机森林算法,使用改进前后的两种随机森林模型在专利数据样本上进行实验并比较。结果表明,改进的随机森林模型提升了传统模型的精度,在专利价值评估中具有一定的作用,总体上比较有效地反映了专利的价值度。

【文章页数】：7 页

【文章目录】：
1 专利价值评估指标选择
2 评估方法
    2.1 决策树算法原理
    2.2 随机森林算法原理
    2.3 基于DBSCAN聚类[16]的改进随机森林算法原理
        2.3.1 高精度子森林subF1的选择方法
        3.3.2 DBSCAN聚类选择多样性子森林
3 实验及结果分析
4 结论



本文编号：3874773