基于未确知聚类的专利质量综合评价
发布时间：2021-11-21 10:25
随着人们对知识产权的重视,作为其重要表征的专利的数量呈现爆发式增长,然而专利的质量却没有随之增长。大量的低质量专利不但作用有限,反而会造成社会资源浪费和遏制创新。专利的综合评价有助于了解目标专利的所处技术地位及筛选核心专利,还能让研究人员了解行业目前发展状态和预测未来发展趋势。本文首先对国内外的专利质量指标进行分析,选取出对专利质量影响较大的指标,构建专利质量评价指标模型。同时,以钢铁行业相关专利为目标数据集,分析该数据的特征类型,针对分析结果选择适合该数据类型的未确知聚类和模糊均值聚类算法对目标专利质量进行分析评价。最终,将目标专利数据聚类出不同的级别,得出高质量专利。在对专利质量指标的设定中,本文通过对专利质量相关的指标进行逐一分析,最后遵循科学性、有效性和可行性的原则选择了专利引文信息、专利族数量、权利声明数构建专利质量评价综合模型。在聚类过程中,发现未确知聚类算法在效率和准确率上都有良好的表现。该方法是基于客观数据进行分析与数据挖掘得出评价结果,不同于人工判断的等级评价,更有利于计算机操作。同时,该算法不仅能得出目标专利属于哪个等级,更能得出该专利属于其它等级的概率大小,是基于...
【文章来源】：河北工程大学河北省
【文章页数】：64 页
【学位级别】：硕士
【部分图文】：
专利引文信息Fig.3-1Informationofpatentcitation
河北工程大学硕士学位论文30图4-1未确知聚类流程图Fig.4-1FlowchartofUMC未确知聚类克服了传统聚类算法的缺点，使各个分类结果显示出其属于各类的隶属度，而不是只单纯的认为某一样本以隶属度1属于某一类。同时未确知聚类认为d维空间上的样本分为C个类别是因为不同类样本的同一观测值不一样，其不同特征对区分开样本类别的贡献不一样，未确知聚类承认了这一点并作了定量的描述。未确知均值聚类通过分析输入数据提供的关于分类的启发式信息，构造出的隶属度能满足测量的准则。聚类的处理过程不是人为分析每个属性对分类所做贡献，对数据的聚类的过程较为客观，这是未确知聚类算法对比传统聚类算法的一大优势，未确知均值聚类算法采用的是一种软分类的方法。4.1.2K-means聚类（1）K-means聚类算法简介K-means聚类是一种基于划分的聚类算法，其应用范围也是相当大的。1955
河北工程大学硕士学位论文32以下图4-2是K-means聚类算法的流程图：图4-2K-Means流程图Fig.4-2FlowchartofK-Means4.1.3FCM聚类模糊均值聚类算法（FuzzyC-Meansclustering，FCM）是一种基于划分的聚类算法，是无监督聚类的主要方法之一，该算法在运行过程中不需要人工干预。早在1973年，Bezdek就提出了该算法，其思想就是让同一族群的数据点之间的相似性尽量大，而不同族群的数据点之间的相似性尽量校模糊均值聚类算法相对于普通的均值聚类算法而言是一种软划分，而普通的均值聚类算法中某个点属于摸个子族群是确定的。FCM聚类算法在处理符合正态分布的大规模数据时效果较好，但该算法的缺点对初始选择的聚类的中心点和噪声点较为敏感。FCM聚类算法描述如下：在给定数据集：X=*1,2,…,+中，设每个是一个元素,其中的每个元素包含了s个属性。模糊聚类就是要将X划分为c类（2≤c<n），设V=*1,2,…,+是c个聚类子集的类中心。在模糊划分中,每一个元素不能硬性地被划分或归属到某一类，而是以一定的隶属度属于某一类。令u表示每j个元素属于第i类的隶属度，
【参考文献】：
期刊论文
[1]基于文献综述视角的专利质量理论研究[J]. 徐明,陈亮. 情报杂志. 2018(12)
[2]基于诉讼专利的专利质量评价方法研究[J]. 张杰,孙超,翟东升,孙宁宁,栾博杨. 科研管理. 2018(05)
[3]中国专利质量提升之路:时代挑战与制度思考[J]. 毛昊. 知识产权. 2018(03)
[4]专利申请质量评价指标体系研究[J]. 谷丽,阎慰椿,韩雪,洪晨. 科研管理. 2018(S1)
[5]高被引专利质量的影响因素分析——以LED产业为例[J]. 张克群,牛悾悾,夏伟伟. 情报杂志. 2018(02)
[6]专利质量对企业绩效的作用关系研究——以创业板上市公司为例[J]. 张晓月,陈鹏龙,赵魏珵. 科技管理研究. 2017(22)
[7]二元专利质量研究[J]. 刘立春. 情报杂志. 2017(11)
[8]基于专利申请及审查制度的专利引文评价效能实证研究[J]. 吴红,冀方燕. 图书情报工作. 2017(19)
[9]许可经历对企业专利质量的影响——基于专利引用的分析[J]. 谢芳,陈劲. 中国科技论坛. 2017(10)
[10]专利质量评价指标相关研究综述[J]. 谷丽,郝涛,任立强,洪晨. 科研管理. 2017(S1)
本文编号：3509329
【文章来源】：河北工程大学河北省
【文章页数】：64 页
【学位级别】：硕士
【部分图文】：
专利引文信息Fig.3-1Informationofpatentcitation
河北工程大学硕士学位论文30图4-1未确知聚类流程图Fig.4-1FlowchartofUMC未确知聚类克服了传统聚类算法的缺点，使各个分类结果显示出其属于各类的隶属度，而不是只单纯的认为某一样本以隶属度1属于某一类。同时未确知聚类认为d维空间上的样本分为C个类别是因为不同类样本的同一观测值不一样，其不同特征对区分开样本类别的贡献不一样，未确知聚类承认了这一点并作了定量的描述。未确知均值聚类通过分析输入数据提供的关于分类的启发式信息，构造出的隶属度能满足测量的准则。聚类的处理过程不是人为分析每个属性对分类所做贡献，对数据的聚类的过程较为客观，这是未确知聚类算法对比传统聚类算法的一大优势，未确知均值聚类算法采用的是一种软分类的方法。4.1.2K-means聚类（1）K-means聚类算法简介K-means聚类是一种基于划分的聚类算法，其应用范围也是相当大的。1955
河北工程大学硕士学位论文32以下图4-2是K-means聚类算法的流程图：图4-2K-Means流程图Fig.4-2FlowchartofK-Means4.1.3FCM聚类模糊均值聚类算法（FuzzyC-Meansclustering，FCM）是一种基于划分的聚类算法，是无监督聚类的主要方法之一，该算法在运行过程中不需要人工干预。早在1973年，Bezdek就提出了该算法，其思想就是让同一族群的数据点之间的相似性尽量大，而不同族群的数据点之间的相似性尽量校模糊均值聚类算法相对于普通的均值聚类算法而言是一种软划分，而普通的均值聚类算法中某个点属于摸个子族群是确定的。FCM聚类算法在处理符合正态分布的大规模数据时效果较好，但该算法的缺点对初始选择的聚类的中心点和噪声点较为敏感。FCM聚类算法描述如下：在给定数据集：X=*1,2,…,+中，设每个是一个元素,其中的每个元素包含了s个属性。模糊聚类就是要将X划分为c类（2≤c<n），设V=*1,2,…,+是c个聚类子集的类中心。在模糊划分中,每一个元素不能硬性地被划分或归属到某一类，而是以一定的隶属度属于某一类。令u表示每j个元素属于第i类的隶属度，
【参考文献】：
期刊论文
[1]基于文献综述视角的专利质量理论研究[J]. 徐明,陈亮. 情报杂志. 2018(12)
[2]基于诉讼专利的专利质量评价方法研究[J]. 张杰,孙超,翟东升,孙宁宁,栾博杨. 科研管理. 2018(05)
[3]中国专利质量提升之路:时代挑战与制度思考[J]. 毛昊. 知识产权. 2018(03)
[4]专利申请质量评价指标体系研究[J]. 谷丽,阎慰椿,韩雪,洪晨. 科研管理. 2018(S1)
[5]高被引专利质量的影响因素分析——以LED产业为例[J]. 张克群,牛悾悾,夏伟伟. 情报杂志. 2018(02)
[6]专利质量对企业绩效的作用关系研究——以创业板上市公司为例[J]. 张晓月,陈鹏龙,赵魏珵. 科技管理研究. 2017(22)
[7]二元专利质量研究[J]. 刘立春. 情报杂志. 2017(11)
[8]基于专利申请及审查制度的专利引文评价效能实证研究[J]. 吴红,冀方燕. 图书情报工作. 2017(19)
[9]许可经历对企业专利质量的影响——基于专利引用的分析[J]. 谢芳,陈劲. 中国科技论坛. 2017(10)
[10]专利质量评价指标相关研究综述[J]. 谷丽,郝涛,任立强,洪晨. 科研管理. 2017(S1)
本文编号：3509329
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3509329.html
最近更新
教材专著
