Los problemas de clasificación son cuestiones muy importantes en las empresas reales. En el problema de infracción de patentes, una clasificación precisa podría ayudar a las empresas a comprender las decisiones judiciales para evitar la infracción de patentes. Sin embargo, el método de clasificación general no funciona bien en el problema de infracción de patentes debido a que hay demasiadas variables complejas. Por lo tanto, este estudio intenta desarrollar un método de clasificación, la máquina de vectores de soporte con nueva selección difusa (SVMFS), para juzgar la infracción de los derechos de patente. Los datos brutos se dividen en conjuntos de entrenamiento y prueba. Sin embargo, la calidad de los datos del conjunto de entrenamiento no es fácil de evaluar. La gestión efectiva de la calidad de los datos requiere un núcleo estructural que pueda soportar las operaciones de datos. Este estudio adopta una nueva selección difusa basada en valores de membresía, que se generan a partir de la agrupación difusa c-means, para seleccionar datos apropiados y mejorar el rendimiento de clasificación de la máquina de vectores de soporte (SVM). Un ejemplo empírico basado en el SVMFS muestra que el SVMFS propuesto puede obtener una tasa de precisión superior. Además, la nueva selección difusa también verifica que puede seleccionar efectivamente el conjunto de datos de entrenamiento.