返回项目页面
对比文件列表
1995-04-04_US5404561A_发明授权_US5404561A Clustering and associate processor_+++B_a+++.docx
2026-03-19 23:41
2002-10-15_US6466946B_发明授权_US06466946B1 Computer implemented scalable, incremental and parallel clustering based on divide and conquer_+++B_D_E_O_a_c_j+++.docx
2026-03-19 23:41
2008-11-20_US2008288523A_发明申请_US20080288523A1 EVENT-BASED DIGITAL CONTENT RECORD ORGANIZATION_+++a_d+++.docx
2026-03-19 23:41
2009-08-20_US2009210406A_发明申请_US20090210406A1 METHOD AND SYSTEM FOR CLUSTERING IDENTIFIED FORMS_+++A_B_D_c_e_o+++.docx
2026-03-19 23:41
2009-12-10_US2009307176A_发明申请_US20090307176A1 CLUSTERING-BASED INTEREST COMPUTATION_+++B_a_f_j+++.docx
2026-03-19 23:41
2010-09-23_US2010239139A_发明申请_US20100239139A1 CENTROID PROCESSING_+++A_F_T_b_e+++.docx
2026-03-19 23:41
2011-06-14_US7962607B_发明授权_US07962607B1 Generating an operational definition of baseline for monitoring network traffic data_+++A_B+++.docx
2026-03-19 23:41
2011-10-06_US2011246123A_发明申请_US20110246123A1 PERSONAL STATUS MONITORING_+++A_B_F_G_s_t_v+++.docx
2026-03-19 23:41
2012-05-01_US8170966B_发明授权_US08170966B1 Dynamic streaming message clustering for rapid spam-wave detection_+++A_B_D_O_c_e_j_k_p_q_r_u_v+++.docx
2026-03-19 23:41
2012-12-04_US8325748B_发明授权_US08325748B2 Fast vector quantization with topology learning_+++A_B_O_c_d_t+++.docx
2026-03-19 23:41
2013-01-24_US2013024579A_发明申请_US20130024579A1 Controller Placement for Split Architecture Networks_+++A_B+++.docx
2026-03-19 23:41
2013-03-28_US2013080457A_发明申请_US20130080457A1 DISCOVERING AND AUTOMATICALLY SIZING A PLACE OF RELEVANCE_+++A_B_F_G_J_R_T_e_s_u+++.docx
2026-03-19 23:41
2013-01-24_US2013024579A_发明申请_US20130024579A1 Controller Placement for Split Architecture Networks_+++A_B+++.docx

**对比文件名称**:2013-01-24_US2013024579A_发明申请_US20130024579A1 Controller Placement for Split Architecture Networks

**目标专利名称**:用于非平稳数据的凝聚群集的并行方法 CN105247487B

**本次调用模型名称**:专利创造性评估模型

### 特征比对表格

技术特征描述及公开性判断结果对比文件原文引用公开性论述
**技术特征A:包括:接收所述数据点流**《直接公开》[0035] “The graphing of the network to be optimized with controller placement can be an automated process or a manual process (Block 301). The network topology can be read in from a file, manually input, automatically discovered or similarly determined.”对比文件公开了接收网络拓扑数据的过程,例如从文件读取、手动输入或自动发现网络拓扑。该过程接收的是网络节点和链路的数据,可以视为一种特定领域的数据点流(网络元素信息流)。该操作在对比文件中是网络设计系统进行后续聚类分析的输入步骤,其作用与目标专利中“接收数据点流”作为群集处理流程的起点作用相同。因此,本领域技术人员能够毫无疑义地得出对比文件公开了“接收数据流”这一技术特征。
**技术特征B:确定多个群集质心**《直接公开》[0039] “After the set of clusters has been determined, then the optimization process determines a ‘centroid’ for each cluster in the set of determined clusters (Block 309).” <br> [0039] “A ‘centroid,’ as discussed in greater detail herein below, is a node in a cluster with a most central location relative to the other nodes in the cluster thereby making it an ideal location for placing a controller for the cluster.” <br> [0040] “The centroid for each cluster can be determined by applying another cost function to measure intra-cluster edge lengths for all node pairs in a cluster (Block 311). The node with the lowest total or cumulative edge cost to each other node in a cluster is selected as the centroid (Block 313).”对比文件明确公开了在确定一组聚类后,为每个聚类确定一个“质心”(centroid)。该质心是聚类中最中心的节点,通过应用成本函数测量簇内边缘长度并选择成本最低的节点来确定。该“质心”在对比文件中的作用是作为控制器的最佳放置位置,是聚类的中心代表。目标专利中的“群集质心”也是群集的中心点,用于围绕其进行数据点群集。两者在各自技术方案中均起到作为群集中心参照点的核心作用。因此,对比文件直接公开了“确定多个群集质心”这一技术特征。
**技术特征C:将所述多个群集质心划分成多个群集质心群,其中每个群集质心群包含所述多个群集质心的子集并由多个线程和/或处理器中不同的线程和/或处理器独立地采用**《未公开》无直接对应内容。对比文件涉及的是网络控制器的物理位置分配,而非计算任务在处理器/线程间的并行划分。对比文件公开了将网络节点划分为多个聚类(clusters),并为每个聚类确定一个质心(即控制器位置)。然而,这些质心是控制器要放置的物理节点位置,并非被进一步划分给多个线程或处理器去“独立采用”的计算任务或数据子集。目标专利的特征C核心在于将质心集合划分给并行计算单元(线程/处理器)以独立处理数据流的一部分,这是并行计算架构特有的任务分配方式。对比文件中的聚类划分是为了优化网络拓扑和控制器部署,其作用与并行计算中的任务划分完全不同。因此,该特征既未被直接公开,也无法从对比文件内容中合理推断出。
**技术特征D:向所述多个线程和/或处理器中的每个线程和/或处理器指派所述数据点流的一部分**《未公开》无直接对应内容。对比文件涉及将网络节点分配给控制器(聚类),而非将数据流分配给线程/处理器。对比文件公开了将网络节点(对应于网络拓扑中的交换机)分配给不同的控制器(即不同的聚类),例如[0040] “each controller is assigned to manage a set of switches or network elements corresponding to those nodes within the identified cluster”。但这是一种网络管理层面的静态资源(交换机)与控制器(控制实体)的绑定关系。而目标专利的特征D是指在并行处理框架下,将连续到达的“数据点流”动态地分割并分配给多个计算单元(线程/处理器)进行处理。两者作用根本不同:前者是网络控制职责的分配,后者是流式计算任务的并行分发。因此,该特征未被公开。
**技术特征E:以及组合由所述多个线程和/或处理器生成的多个群集以生成全局群集域。**《未公开》无直接对应内容。对比文件中的多个聚类是网络设计的最终结果,不存在一个“组合”步骤来生成一个“全局群集域”。在对比文件中,通过聚类算法(如聚合或分裂过程)得到一组聚类(clusters),每个聚类对应一个控制器及其管理的交换机集合。这是一个最终的网络分区方案,并没有一个步骤将这些由不同“处理单元”(如果勉强将每个聚类计算过程视为独立过程)得出的中间聚类结果“组合”成一个统一的全局群集。目标专利的特征E是并行处理流程的关键一步,旨在整合各个并行计算单元产生的局部群集结果,以形成完整的分析结果。该特征在对比文件中没有对应,作用也不同。
**技术特征F:其特征在于,所述接收包括:从一个或多个传感器接收所述数据点流。**《未公开》无直接对应内容。对比文件的数据源是网络拓扑(交换机、链路),并非物理传感器。目标专利此特征明确限定了数据点流的来源是“一个或多个传感器”,并在说明书中例举了加速计、陀螺仪、话筒等(参见[0080])。对比文件处理的数据是表示网络架构的图数据(节点和边),这些数据可能来自设计文件、网络发现工具等,与从物理传感器实时采集数据流有本质区别。该限定为发明提供了特定的应用场景(如移动设备传感数据处理),对比文件完全没有公开或暗示这一内容。
**技术特征G:其特征在于,所述一个或多个传感器是加速计、陀螺仪、磁力计、或话筒中的一者或多者。**《未公开》无对应内容。此特征是对特征F的进一步具体限定,列举了具体的传感器类型。对比文件完全不涉及任何物理传感器,更不可能公开这些特定类型的传感器。
**技术特征H:其特征在于,所述数据点流按循环方式被指派给所述多个线程和/或处理器。**《未公开》无对应内容。对比文件中节点的分配是基于图划分算法(如最小割、贪心算法)的成本优化结果,是一种静态的、基于拓扑结构的分配,不存在对动态“数据点流”进行“循环方式”指派的任何描述或启示。
**技术特征I:其特征在于,所述数据点流按阶层式方式被指派给所述多个线程和/或处理器。**《未公开》无对应内容。同上,对比文件没有涉及任何阶层式(hierarchical)的数据流指派方法。目标专利说明书中描述的阶层式分发涉及先用小质心集进行粗分类,再根据结果分配给对应线程,这是一种特定的动态流处理机制,在对比文件中没有对应。
**技术特征J:其特征在于,指派所述数据点流的一部分包括:将接收到的数据点指派给所述多个群集质心中的一个群集质心**《未公开》无直接对应内容。对比文件在聚类过程中,会将节点划分到某个聚类,该聚类有一个质心。但这是一种节点与聚类/质心的归属关系确定,并非针对动态数据点的实时指派动作。对比文件在确定聚类后,网络节点(交换机)属于某个聚类,该聚类的质心是控制器位置。这更像是一种静态的“归属”关系。而目标专利的特征J是“指派数据点流的一部分”这个动作的一个子步骤,即在阶层式分发中,将每个新到达的数据点动态地匹配到一个质心。两者在技术手段和作用上均不相同。
**技术特征K:以及将所述接收到的数据点指派给与所述多个群集质心中的这一个群集质心相对应的线程或处理器。**《未公开》无对应内容。此特征与特征J关联,是阶层式指派的后续步骤。对比文件中完全没有“线程或处理器”与“质心”相对应的概念,更不存在根据数据点匹配的质心来将其分配给特定线程或处理器的机制。
**技术特征L:其特征在于,所述多个群集质心中的群集质心数目对应于线程和/或处理器数目。**《未公开》无对应内容。对比文件中聚类的数量(k)是输入参数或优化目标,与“线程和/或处理器数目”无关。对比文件公开了确定一定数量(k)的聚类和质心,但k值用于确定控制器数量,或作为聚类算法的终止条件(如[0046] “The number of clusters generated can be an input parameter…”)。这完全不同于目标专利中描述的质心数目与并行计算资源(线程/处理器数目)相对应的技术特征。两者解决的问题和实现的目的不同。
**技术特征M:其特征在于,所述多个群集质心中的群集质心数目大于线程和/或处理器数目,并且其中所述接收到的数据点基于与所述多个群集质心中的每个群集质心相关联的数据点计数被指派给线程或处理器。**《未公开》无对应内容。此特征描述了阶层式分发的一种更复杂变体。对比文件不仅未公开“质心数目大于线程/处理器数目”这一前提,更没有公开基于“数据点计数”进行指派的任何方法。这完全是目标专利特有的技术细节。
**技术特征N:其特征在于,所述数据点流基于所述多个线程和/或处理器中的每个线程和/或处理器的速度被指派给所述多个线程和/或处理器。**《未公开》无对应内容。对比文件在分配网络节点给控制器时,考虑的是网络拓扑、链路长度、割集大小等,从未考虑过任何处理单元(如控制器)的“速度”因素。目标专利此特征涉及负载均衡的优化,在对比文件中没有依据。
**技术特征O:其特征在于,所述多个线程和/或处理器中的每个线程和/或处理器生成围绕向所述多个线程和/或处理器中的每个线程和/或处理器置备的一个或多个质心的一个或多个群集。**《未公开》无直接对应内容。对比文件中每个控制器管理一个聚类(一组节点),但这并非“线程/处理器生成群集”的过程。在对比文件中,聚类是由网络设计系统(如控制器放置模块)通过图算法(如最小割、贪心算法)一次性计算得出的。每个控制器随后被放置在一个质心(节点)上,并管理该聚类内的所有节点。这不是一个由多个并行计算单元各自“生成”围绕其专属质心的群集的过程。目标专利的特征O描述了并行计算架构下各单元独立执行群集算法的核心操作,在对比文件中未被公开。
**技术特征P:其特征在于,所述多个线程和/或处理器中的每个线程和/或处理器在其开始接收所述数据点流的所述部分时开始生成所述一个或多个群集。**《未公开》无对应内容。此特征涉及流式处理的实时性。对比文件描述的是离线的网络设计和规划过程(如[0050] “implemented on a centralized management system for network dimensioning and planning”),不存在对数据流的实时接收和处理,更没有“开始接收时就开始生成”这种流处理启动方式的描述。
**技术特征Q:其特征在于,所述多个线程和/或处理器中的每个线程和/或处理器在开始生成所述一个或多个群集之前缓冲所述部分的数据点中的一个或多个数据点。**《未公开》无对应内容。对比文件未涉及任何数据缓冲机制。这是目标专利为优化处理而可能采用的特定实施方式。
**技术特征R:其特征在于,还包括:丢弃所述数据点流中的数据点以减少所述数据点流中的数据点数目。**《未公开》无对应内容。目标专利此特征涉及应对数据量过大的处理策略。对比文件的网络设计过程处理的是固定的网络拓扑图,不存在“数据点流”过大需要丢弃部分数据的问题。
**技术特征S:其特征在于,还包括:降低生成所述数据点流的一个或多个传感器的采样率以减少所述数据点流中的数据点数目。**《未公开》无对应内容。此特征与特征F、G关联,依赖于传感器这一特定数据源。对比文件不涉及传感器,因此不可能公开调整传感器采样率的技术手段。
**技术特征T:其特征在于,还包括:对所述全局群集域执行后处理。**《未公开》无对应内容。对比文件在确定控制器放置位置(即完成聚类和质心确定)后,流程即告结束或进入实施阶段,没有对最终的网络分区结果(可类比为“全局群集域”)进行“后处理”(如数据挖掘)的步骤。
**技术特征U:其特征在于,所述多个处理器和/或线程驻留在一用户装备上。**《未公开》无对应内容。对比文件的控制器是网络中的控制设备,不是用户装备(UE)上的处理器或线程。目标专利此特征将发明场景具体限定在用户装备(如移动设备)上,利用其本地计算资源进行并行群集。对比文件应用于网络基础设施(如运营商网络、数据中心网络)的设计,其“控制器”是网络设备,与“用户装备”上的“处理器/线程”概念不同。
**技术特征V:其特征在于,所述多个处理器和/或线程驻留在多个用户装备上。**《未公开》无对应内容。此特征进一步将并行计算资源分布在多个用户装备上。对比文件中的控制器可能分布在网络的不同位置,但它们是网络控制平面实体,并非多个用户装备上的计算线程,技术构思和应用场景均不相同。

<<<A>>><<<B>>>

权利要求与技术特征
Powered by Django

网站备案号:渝ICP备2023012882号


重庆市非显而易见网络科技有限责任公司 A Anti NPE NPE