高价值专利识别随机森林和增强的消防优化算法
Xiaona Yao1,2, Huijia Li1,2, Sili Wang1,2
1Key Laboratory of Ecological Safety and Sustainable Development in Arid Lands, Northwest Institute of Eco-Environment and Resources, Chinese Academy of Sciences, Lanzhou 730000, China.
Biomimetics (Basel, Switzerland)
|September 26, 2025
概括
本研究介绍了增强的火优化器 (EFHO),用于改进机器学习,用于识别高价值专利. EFHO 增强了随机森林模型,在专利分类中实现了卓越的准确性和稳定性.
科学领域:
- 知识产权分析知识产权分析
- 人工智能的人工智能
- 优化算法 优化算法
背景情况:
- 高价值的专利是创新和新产品开发的关键指标.
- 鉴定高价值专利是具有挑战性的,因为目前的机器学习方法的偏差分布和局限性.
- 现有的优化算法在复杂的专利数据上与缓慢的融合和局部最佳情况作斗争.
研究的目的:
- 开发一种先进的优化算法,以便在专利分析中进行有效的超参数调整.
- 解决现有方法在识别高价值专利方面的局限性.
- 提高机器学习模型的准确性和稳定性,用于专利认可.
主要方法:
- 提议增强的火优化器 (EFHO) 结合适应式帐混乱映射,狩猎猎物,惯性重量和增强的飞行策略.
- 应用EFHO优化随机森林超参数,以获得高价值专利的认可.
- 评估EFHO在基准测试和真实世界专利数据集上的表现.
主要成果:
- 与标准优化基准相比,EFHO表现出优越的融合速度,准确性和稳定性.
- EFHO优化的随机森林模型比其他高价值专利认可方法取得了更高的准确性和分类稳定性.
- 埃弗托有效地克服了共同的问题,如缓慢的融合和局部最佳陷.
结论:
- 增强的火优化器 (EFHO) 为机器学习中的超参数调整提供了强大而高效的解决方案.
- 欧洲专利局 (EFHO) 在从大型数据集中准确识别高价值专利方面展示了显著的实用价值.
- 这项研究有助于克服专利分析和机器学习优化方面的挑战.
