[发明专利]预测专利数量趋势的方法及计算机系统有效
申请号: | 201310222214.9 | 申请日: | 2013-06-05 |
公开(公告)号: | CN104217092B | 公开(公告)日: | 2017-07-04 |
发明(设计)人: | 车慧中 | 申请(专利权)人: | 德高行(北京)科技有限公司 |
主分类号: | G06F19/00 | 分类号: | G06F19/00 |
代理公司: | 北京工信联合知识产权代理有限公司11266 | 代理人: | 姜丽楼 |
地址: | 100048 北京市海淀区西*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本发明为一种预测专利数量趋势的方法,主要通过成长曲线函式与线性拟合程序对历年专利数据阵列进行拟合,包含步骤(i)通过转化程序将成长曲线函式转化生成直线函式;(ii)通过累加程序生成积累专利数据阵列;(iii)设定成长极限的第一值,通过转化程序及线性拟合程序生成拟合系数的第一值;(iv)设定成长极限的第二值,通过转化程序及线性拟合程序生成拟合系数的第二值;(v)通过逼近程序对拟合系数的第一值与第二值进行比较、保留、新增、置换的程序,以生成成长极限的最佳值;(vi)通过成长极限的最佳值及成长曲线函式,生成专利数据预测阵列。 | ||
搜索关键词: | 预测 专利 数量 趋势 方法 计算机系统 | ||
【主权项】:
一种预测专利数量趋势的方法,通过成长曲线函式(S)与线性拟合程序(300)对历年专利数据阵列(50)进行拟合,所述历年专利数据阵列(50)包含多个年份(t)及各年份(t)相应的专利数(y),所述成长曲线函式(S)是由成长极限(L)与所述年份(t)所构成,其特征在于包含下列步骤:(i)提供转化程序(200),通过所述转化程序(200)将所述成长曲线函式(S)转化生成直线函式(Z);(ii)提供累加程序(100),通过所述累加程序(100)将所述历年专利数据阵列(50)生成积累专利数据阵列(60),所述积累专利数据阵列(60)包含多个年份(t)、各年份(t)相应的积累专利数(yt)及积累专利最大值;(iii)通过所述积累专利最大值设定成长极限(L)的第一值(L1),基于所述成长极限第一值(L1),通过所述转化程序(200)将所述积累专利数据阵列(60)进行转化从而生成第一离散数据阵列(601),通过所述线性拟合程序(300)拟合所述第一离散数据阵列(601),生成拟合系数的第一值(f1);(iv)设定成长极限(L)的第二值(L2),基于所述成长极限第二值(L2),通过所述转化程序(200)将所述积累专利数据阵列(60)进行转化从而生成第二离散数据阵列(602),通过所述线性拟合程序(300)拟合所述第二离散数据阵列(602),生成拟合系数的第二值(f2);(v)提供逼近程序(400),通过所述逼近程序(400)对所述拟合系数的第一值(f1)与第二值(f2)进行比较、保留、新增、置换,以生成成长极限(L)的最佳值(Lp);(vi)通过所述成长极限(L)的最佳值(Lp)及所述成长曲线函式(S),生成专利数据预测阵列(80),所述专利数据预测阵列(80)包含多个年份(t)及各年份(t)相应的预测积累专利数(yf)。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于德高行(北京)科技有限公司,未经德高行(北京)科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/patent/201310222214.9/,转载请声明来源钻瓜专利网。
- 同类专利
- 专利分类
G06 计算;推算;计数
G06F 电数字数据处理
G06F19-00 专门适用于特定应用的数字计算或数据处理的设备或方法
G06F19-10 .生物信息学,即计算分子生物学中的遗传或蛋白质相关的数据处理方法或系统
G06F19-12 ..用于系统生物学的建模或仿真,例如:概率模型或动态模型,遗传基因管理网络,蛋白质交互作用网络或新陈代谢作用网络
G06F19-14 ..用于发展或进化的,例如:进化的保存区域决定或进化树结构
G06F19-16 ..用于分子结构的,例如:结构排序,结构或功能关系,蛋白质折叠,结构域拓扑,用结构数据的药靶,涉及二维或三维结构的
G06F19-18 ..用于功能性基因组学或蛋白质组学的,例如:基因型–表型关联,不均衡连接,种群遗传学,结合位置鉴定,变异发生,基因型或染色体组的注释,蛋白质相互作用或蛋白质核酸的相互作用
G06F 电数字数据处理
G06F19-00 专门适用于特定应用的数字计算或数据处理的设备或方法
G06F19-10 .生物信息学,即计算分子生物学中的遗传或蛋白质相关的数据处理方法或系统
G06F19-12 ..用于系统生物学的建模或仿真,例如:概率模型或动态模型,遗传基因管理网络,蛋白质交互作用网络或新陈代谢作用网络
G06F19-14 ..用于发展或进化的,例如:进化的保存区域决定或进化树结构
G06F19-16 ..用于分子结构的,例如:结构排序,结构或功能关系,蛋白质折叠,结构域拓扑,用结构数据的药靶,涉及二维或三维结构的
G06F19-18 ..用于功能性基因组学或蛋白质组学的,例如:基因型–表型关联,不均衡连接,种群遗传学,结合位置鉴定,变异发生,基因型或染色体组的注释,蛋白质相互作用或蛋白质核酸的相互作用