基于DBSCAN聚类改进随机森林算法的专利价值评估方法

摘要：

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.

关键词：专利价值评估、随机森林、聚类、DBSCAN

所属期刊栏目：20

分类号：TP391.11(计算技术、计算机技术)

资助基金：国家重点研发计划2017YFB1401600

在线出版日期：2020-06-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：5673-5679