**对比文件名称**：2013-05-23_WO2013074770A_发明申请_WO2013074770A1 DATA CLUSTERING, SEGMENTATION, AND PARALLELIZATION
**目标专利名称**：用于非平稳数据的凝聚群集的并行方法CN105247487B
**本次调用的模型名称**：DeepSeek最新版本模型
## 特征比对表格
| 技术特征描述以及公开性判断结果 | 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<br>**《未公开》** | [p0006] “Some techniques are ‘on-line’ techniques that process units of data incrementally as they are received.” （一些技术是“在线”技术，它们在数据单元被接收时增量地处理它们。） | **未被直接或隐含公开。** 对比文件公开了在线、增量地处理接收到的“数据单元”（units of data），这些数据单元被描述为“文档、数据库记录或其他数据对象”（[p0006]），即离散的记录。而目标专利的“数据点流”如说明书[0006]、[0080]段所述，特指由传感器（如加速计、话筒）生成的连续、可能非平稳的数据流，需要“在运行中”处理，以避免存储大量数据。两者数据来源、形式和待解决的问题（批量记录处理 vs. 实时传感器流处理）不同，作用不相同。本领域技术人员无法从对比文件中毫无疑义地得出或合理推断出接收来自传感器的连续数据点流的技术特征。 |
| 技术特征B：确定多个群集质心<br>**《隐含公开》** | [p0231] “In FIG. 5B, the records 506 are clustered within their partitions 508 and cluster keys are assigned, resulting in data clusters 510.” （在图5B中，记录506在其分区508内被聚类，并分配簇键，从而产生数据簇510。） | **被隐含公开。** 对比文件描述了在并行分区内对记录进行聚类（clustered）并分配簇键（cluster keys）的过程。聚类操作，特别是如k-means等常见算法，其核心步骤之一就是确定群集质心（或代表性点）。虽然对比文件没有明确使用“质心”（centroid）一词，但“聚类”并生成“数据簇”必然隐含了确定用于表征各簇的中心点或代表点的过程，这是聚类算法的本质。因此，本领域技术人员在阅读对比文件关于在分区内进行聚类的描述时，能够合理推断出需要“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<br>**《未公开》** | [p0226] “In some implementations, the data records may be hash-partitioned by segment identifier across multiple processing entities, so all records having a common segment identifier are placed together in a single processing entity.” （在一些实现中，数据记录可以通过段标识符在多个处理实体间进行哈希分区，使得所有具有共同段标识符的记录被放置在同一处理实体中。） | **未被直接或隐含公开。** 对比文件公开了将“数据记录”基于段标识符进行分区并分配给不同的处理实体（线程/处理器）。而目标专利的技术特征C是划分“群集质心”并将其子集（质心群）分配给不同的线程/处理器。前者是对输入数据记录进行分区，后者是对聚类过程的中间计算资源（质心）进行划分。目标专利说明书[0071]-[0073]段强调，其创新点之一在于并非为每个线程提供全局质心全集，而是提供质心的子集，以支持对数据点流的独立群集。对比文件未提及对质心集合进行划分并分配给不同处理实体独立采用的技术手段。两者技术手段和作用不同。 |
| 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<br>**《直接公开》** | [p0226] “...data records may be hash-partitioned by segment identifier across multiple processing entities, so all records having a common segment identifier are placed together in a single processing entity.” （...数据记录可以通过段标识符在多个处理实体间进行哈希分区，使得所有具有共同段标识符的记录被放置在同一处理实体中。） | **被直接公开。** 对比文件明确描述了将数据记录（data records）在多个处理实体（processing entities，可对应于线程和/或处理器）间进行分区（partitioned），使得每个处理实体获得数据记录的一个子集。这与目标专利中“向每个线程和/或处理器指派数据点流的一部分”在技术手段和作用上实质相同，都是将待处理的数据划分并分配给不同的并行计算单元。尽管对比文件使用的是“记录”而非“数据点流”，但就“向并行单元分配部分数据”这一并行处理的基本特征而言，已被直接公开。 |
| 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。<br>**《直接公开》** | [p0233] “In FIG. 5C, this multiple match is reconciled. The data clusters 510 are read, the multiple assignment of cluster keys are resolved 520, and a final assignment of cluster key to record is made 530.” （在图5C中，这种多重匹配被协调。读取数据簇510，解析簇键的多重分配520，并完成簇键到记录的最终分配530。） | **被直接公开。** 对比文件在描述并行聚类过程后，明确说明了需要从各个分区（即各个处理实体）产生的数据簇（data clusters）中，对可能存在的多重簇键分配进行协调（reconciled）和解析（resolved），最终为每个记录分配一个统一的簇键。这一“协调”和“最终分配”的过程，实质上就是组合各并行处理单元产生的中间群集结果以生成一个全局一致的群集域。其作用与目标专利的“组合...以生成全局群集域”相同。 |
| 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。<br>**《未公开》** | 无相应内容。 | **未被直接或隐含公开。** 对比文件全文未提及从传感器接收数据。其处理的数据来源于“数据源”（data sources），如数据库表、电子表格文件等（[p0090]），属于存储的记录数据。而目标专利明确限定数据点流来自传感器（如加速计、陀螺仪等），旨在解决移动设备上传感器数据实时处理的特定问题（说明书[0006], [0080]）。两者数据来源根本不同，技术领域和应用场景存在差异。本领域技术人员无法从对比文件中得出或推断出从传感器接收数据点流的技术特征。 |
| 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。<br>**《未公开》** | 无相应内容。 | **未被直接或隐含公开。** 理由同技术特征F。对比文件未涉及任何具体的传感器类型，更未公开加速计、陀螺仪、磁力计、话筒等移动设备传感器。 |
| 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。<br>**《未公开》** | 无相应内容。 | **未被直接或隐含公开。** 对比文件公开的数据分配方式是基于段标识符的哈希分区（[p0226]）或基于分区键的分区（[p0236]），目的是确保具有相同关键字段的记录被送到同一处理实体。而目标专利说明书[0081]段提到的“按循环方式”指派，是一种负载均衡的分配策略，未在对比文件中记载。本领域技术人员无法从对比文件中推理出循环指派方式。 |
| 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。<br>**《未公开》** | 无相应内容。 | **未被直接或隐含公开。** 目标专利说明书[0088]段描述了阶层式分发方法：先用一个小质心集对数据点进行粗群集，再根据结果将数据点指派给对应的线程。这是一种两级指派策略。对比文件中未描述任何类似的阶层式数据指派方法。 |
| 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<br>**《未公开》** | 无相应内容。 | **未被直接或隐含公开。** 技术特征J是技术特征I（阶层式指派）的具体实现步骤。由于对比文件未公开阶层式指派方法，自然也未公开该具体步骤。 |
| 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。<br>**《未公开》** | 无相应内容。 | **未被直接或隐含公开。** 技术特征K是技术特征I（阶层式指派）的具体实现步骤。由于对比文件未公开阶层式指派方法，自然也未公开该具体步骤。 |
| 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。<br>**《未公开》** | 无相应内容。 | **未被直接或隐含公开。** 该特征限定了阶层式指派中，小质心集的规模与线程/处理器数量相等。这是对阶层式方法的具体参数限定。对比文件未公开阶层式方法，也未提及质心数目与处理实体数目的对应关系。 |
| 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。<br>**《未公开》** | 无相应内容。 | **未被直接或隐含公开。** 该特征限定了阶层式指派中，小质心集的规模大于线程/处理器数量时，基于计数进行指派的规则。这是对阶层式方法的进一步细化。对比文件未公开任何相关内容。 |
| 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。<br>**《未公开》** | 无相应内容。 | **未被直接或隐含公开。** 目标专利说明书[0084]段提到在指派数据点流时可以考虑线程或处理器的速度以实现负载均衡。对比文件未提及根据处理实体速度进行数据指派的技术特征。 |
| 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。<br>**《隐含公开》** | [p0231] “In FIG. 5B, the records 506 are clustered within their partitions 508 and cluster keys are assigned, resulting in data clusters 510.” （在图5B中，记录506在其分区508内被聚类，并分配簇键，从而产生数据簇510。） | **被隐含公开。** 对比文件描述了在每个分区（对应一个处理实体）内对分配给该分区的记录进行聚类，并生成数据簇（data clusters）。虽然未明确使用“质心”一词，但生成簇的过程必然意味着围绕某个中心或代表（即隐含的质心）对数据点进行编组。因此，本领域技术人员可以合理推断出，每个处理实体在获得数据子集后，会执行聚类算法并生成一个或多个群集。 |
| 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。<br>**《隐含公开》** | [p0006] “Some techniques are ‘on-line’ techniques that process units of data incrementally as they are received.” （一些技术是“在线”技术，它们在数据单元被接收时增量地处理它们。）<br>[p0247] “In an incremental clustering process, incoming records, called query records, may be compared with records in existing clusters...” （在增量聚类过程中，传入的记录（称为查询记录）可以与现有簇中的记录进行比较...） | **被隐含公开。** 对比文件明确描述了在线（on-line）或增量（incremental）处理模式，即数据到达时即被处理。虽然其具体描述侧重于将新记录与已有簇进行比较，但在并行分区环境下，每个处理实体在接收到其数据分区（或数据流的一部分）后，开始进行聚类计算是增量处理模式的自然延伸和合理推断。因此，本领域技术人员能够推断出处理实体在开始接收数据时即开始生成群集。 |
| 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。<br>**《未公开》** | 无相应内容。 | **未被直接或隐含公开。** 目标专利说明书[0085]、[0090]段提到线程或处理器可以缓冲数据点。这是一个可选的、具体的实现细节。对比文件未提及在处理前对数据进行缓冲的技术特征。 |
| 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。<br>**《未公开》** | 无相应内容。 | **未被直接或隐含公开。** 目标专利说明书[0080]段提到，如果数据点太多，可以丢弃一些数据点（如每隔一个丢弃一个）。这是针对高吞吐量传感器数据流的特定处理策略。对比文件处理的是相对结构化的记录，未提及丢弃部分数据以减少数据量的技术特征。 |
| 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。<br>**《未公开》** | 无相应内容。 | **未被直接或隐含公开。** 该特征与传感器数据流处理直接相关。对比文件未涉及传感器，因此也不可能公开降低传感器采样率的技术特征。 |
| 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。<br>**《隐含公开》** | [p0233] “In FIG. 5C, this multiple match is reconciled. The data clusters 510 are read, the multiple assignment of cluster keys are resolved 520, and a final assignment of cluster key to record is made 530.” （在图5C中，这种多重匹配被协调。读取数据簇510，解析簇键的多重分配520，并完成簇键到记录的最终分配530。） | **被隐含公开。** 对比文件在并行聚类后，明确描述了“协调”（reconciled）和“解析”（resolved）多重簇键分配的后处理步骤，以得到最终统一的聚类结果。这一步骤发生在各分区独立聚类完成之后，属于对全局聚类结果的后续处理。虽然目标专利的后处理可能还包括数据挖掘等，但“对全局群集域执行后处理”这一上位概念已被对比文件隐含公开。 |
| 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。<br>**《未公开》** | [p0030] “The processing entities are cores in a multicore processor... processors in a multi-processor computer system... server computers in a rack-mounted server system... computer systems in communication over a network...” （处理实体是多核处理器中的核心...多处理器计算机系统中的处理器...机架式服务器系统中的服务器计算机...通过网络通信的计算机系统...） | **未被直接或隐含公开。** 对比文件列举了处理实体可能的各种形式，包括多核处理器核心、多处理器系统、服务器、网络计算机等，但均未限定这些处理实体“驻留在一用户装备（UE）上”。目标专利特别强调其应用场景是移动设备（UE），如说明书[0006]、[0071]段所述。对比文件的技术方案更偏向服务器端或大型计算系统的数据处理，而非资源受限的用户装备。 |
| 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。<br>**《未公开》** | 无相应内容。 | **未被直接或隐含公开。** 对比文件未提及处理实体分布在多个用户装备（UE）上。其描述的分布式处理实体是服务器或计算机系统，而非作为数据源和计算节点的多个移动用户装备。 |
<<<D>>><<<E>>><<<b>>><<<o>>><<<p>>><<<t>>>