新产品的开发对于企业提升市场竞争力具有非常重要的作用，而对于新产品的概念选型是企业研发过程中的关键环节。在实际市场环境中的新产品概念选型问题，一方面要考虑新产品的创新质量或技术基础，另一方面也要考虑企业决策者对于未来新产品的评价信息、指标的期望信息以及指标的相关权重信息。专利作为创新活动的产物，在很多时候能够作为企业新产品开发的技术基础和概念选型来源，因此，利用专利作为技术基础或知识来源进行新产品概念选型有着重要的研究意义和实践价值。
　　基于以上的分析，开展了如下几个方面的研究内容：
　　（1）通过专利数据库，选取适当的专利价值指标，利用自组织映射算法，对原始专利数据进行聚类，形成了专利的价值标签，并讨论了价值指标对标签的统计学意义以及专利的不同价值表现形式。
　　（2）建立基于专利价值标签的支持向量机专利分类模型来预测专利的价值。针对支持向量机现有缺点，首先利用核主成分对专利指标进行非线性转换，并提取适当特征，对分类模型的输入进行改进，其次通过粒子群进行参数寻优，利用双重优化来提高专利价值分类模型的性能。最后，依据分类结果对专利进行初步筛选，形成新产品概念选型方案备选集。
　　（3）建立基于前景理论的新产品概念选型方法。将竞争产品考虑到企业新产品概念选型决策问题中，依据自身的产品概念选型方案和竞争产品方案的相关评价信息确定前景参考点，构建统一的效用评价和权重函数，进而得到不同方案的前景值，最终确定出新产品概念选型方案，并与线性加权和 TOPSIS 两种决策方法进行对比，进一步找出自身产品选型与竞争产品的差距以及可能的改进方向。
　　（4）基于以上建立的选择模型，运用Matlab软件进行仿真分析，将某集成电路企业的专利数据作为实验对象，对两阶段新产品概念选型模型进行了有效性验证。从验证结果可知：对于专利的聚类数量应根据自身情况确定；高价值的专利在技术覆盖范围、被引用量、专利家族数量等方面均有明显的优势；经过核主成分和粒子群双重优化能有效地提高支持向量机的性能；决策者的不同心理期望和损失规避态度，对于新产品开发的前景效用会有不同的影响。
　　因此，在对国内外关于新产品概念选型方法的相关理论进行深度分析的基础上，提出基于专利价值评估和前景理论的两阶段新产品概念方法。其研究的目的和意义在于：在理论上，将机器学习的方法应用于海量数据的专利价值评估当中，并结合专利产品的效益型和成本型属性，结合前景理论知识形成两阶段新产品概念选择模型，扩展了新产品概念选型的方法。在实践上，基于给出的选择方法，利用企业实际专利数据，验证方法的有效性和科学性。