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,是基于未确知理论应用的新探索,期待着能够在专利分析与评价方面取得有意义的创新成果。