基于粗糙集的高科技企业专利管理决策方法研究.docVIP

基于粗糙集的高科技企业专利管理决策方法研究 　　【摘要】目前以创新为导向的高科技企业的专利管理多呈现出无组织、松散、随机、主观、数量驱动的特点，多数企业没有一个清晰的、明确的战略来发展一个相关的专利组合，主要是基于人为主观经验来管理和维持，随着专利数量的增加，专利管理的难度、复杂度也随之增大，影响因素也越来越难以控制。本文将粗糙集理论与企业专利管理决策相结合，应用粗糙集理论的分辨矩阵算法对干扰决策冗余的知识进行约简，去粗取精，获取决策知识，即决策规则，探索一种可利用信息化手段自适应决策的管理方法，克服了由专利数量增大，所带来的专利管理决策困局。粗糙集理论是由波兰数学家Pawlak Z于1982年提出的，它是从数据中获取知识的一种新的数学工具，其主要思想是在保持分类能力不变的前提下通过知识约简，导出问题的决策或分类规则。 　　【关键词】粗糙集 专利战略 决策 　　专利如今已经成为创新导向型公司保持核心竞争力最有效的工具之一，申请专利保护的作用已经从开始的防止他人侵权，保护智力成果，获取“诉讼费用”转变为 “战略投资”，成为一种经验手段。因此，那些重视专利战略、重视专利优化管理的企业，往往重视专利组合，针对一个具体的产品形成了由相关的一系列专利组成的专利簇、专利池，发挥系统优势，占据了行业领导地位。由于专利簇、专利池的专利经营战略，照成专利的拥有飞速增长，如IBM公司、苹果公司以及国内的华为等公司，拥有多达上万个活跃专利，上千个待申请专利，以往基于经验的管理方法已不能满足现有需要。如何高效管理专利，利用信息化手段，利用计算机算法，发掘专利内在影响规律，进行自适应管理是多数高科技企业急需的。 　　粗糙集（Rough sets）理论是波兰数学家Pawlak Z于1982年提出，应用于处理模糊、不精确的分类问题，从数据中获取知识的一种新的数字挖掘工具。粗糙集主要思想是在保持分类能力不变的前提下通过知识约简，导出问题的决策或分类规则，该理论已被成功地应用于机器学习、决策分析、过程控制、模式识别与数据挖掘领域。本文将粗糙集理论与企业专利管理决策相结合，应用粗糙集理论的分辨矩阵算法对干扰决策冗余的知识进行约简，去粗取精，获取决策知识，即决策规则，探索一种可利用信息化手段自适应决策的管理方法，克服了由专利数量增大，所带来的专利管理决策困局。因此将利用问卷调查的方法收集数据，应用粗糙集理论对其进行数据分析，获取专利管理决策依据，找出专利管理中的主要影响因素，忽略不重要因素，从而降低管理成本，提高管理效率。 　　一、粗糙集介绍与粗糙集决策方法 　　（一）粗糙集的基本概念 　　信息系统。信息系统可用一个四元序组表示：S=（U，R，V，f），U={x1，x2，…xn}为论域；R={r1，r2，...，rn}是条件属性集；Vr为属性r的值域表示属性r的取值范围，例如属性r表示对象大小，那么Vr可取值为{大，中，小}；f：U×R→V为一个信息函数，用于确定U中每一个对象x的属性值。 　　不可分辨关系。对任给属性集 ，不可分辨关系IND（B）定义为： 对象 xi， xj∈U，对 b∈B，如果满足b（xi）=b（xj），则称对象xi，xj对于属性集B不可分辨。IND（B）的等价类称作B中的基本集，表示最小不可识别对象集，体现该信息系统最高的辨别能力。每个等价类中的对象在属性集B下是不可分辨的。 　　属性核和约简。核与约简是粗糙集理论的两个基本概念。当属性集B是独立的，B A且Ind（B）=Ind（A），则称B是A的约简。显然A的约简往往不是唯一的，A 的约简记作red（P）。A中所有不可省略属性的集合称为A的核。核与约简有以下关系：core（P）=∩red（P）。核主要有两个作用：作为约简计算的基础；是信息系统中必需的属性。 　　属性的相对核和约简。P和Q是U的两个属性子集，当PosIND（P）（IND（Q））=posIND（P-{a}）（IND（Q）时，称r∈P为P中Q 可省略的属性。否则，r为P中Q不可省略。当P中每个r 都是Q不可省略的，则称P是对于Q独立的。定义相对约简：如果S是P的Q独立子集，且poss（Q）=posP （Q），则称子集SP为P的Q简化。P中所有Q不可省略属性称为P的Q核。相对核与相对约简有如下关系：coreQ（P）=∩redQ（P）。 　　（二）基于分辨矩阵的属性约简过程 　　定义1 ：设系统的分辨矩阵为M（s）=[mij]n×n ，其i行j列处的元素为 　　mij= i，j=1，2，…，n （1-1） 　　C={ai/i=1，2，…，m}和D={d}分别为条件属性集和决策属性集，ak（xj）是样本xj在属性ak上的取值。 　　定义2 信息系统S =（U，R，V，f）的分辨函数为： 　　（1-