对比文件名称：2013-01-02_CN102855259A_发明公开_CN102855259A 大规模数据聚类分析的并行化
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：资深专利代理师分析模型
## 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 |
| **特征A**：包括：接收所述数据点流<br>**《未公开》** | 说明书第[0030]段：“举例来说，系统100的操作者或者其它用户可以快速得到期望的结果。举例来说，如下面所提供的更为详细的例子中那样，系统100的操作者可能接下来能够以期望方式快速定义并且形成聚类106，以便由此之后以其它传统方式来使用聚类106。” <br>说明书第[0059]段：“可以确定存储在数据库中的具有关联属性的多个样本(302)。” | 目标专利的“接收所述数据点流”是指在处理过程中动态接收连续的数据点流，说明书强调数据“在运行中”被处理（见说明书第[0006]、[0070]段）。对比文件处理的是存储在数据库中的静态数据集（如“存储在数据库中的具有关联属性的多个样本”），并非实时或连续流入的数据点流。对比文件接收的是已存储的完整数据集，而非“流”的形式。因此，该技术特征未被对比文件公开。 |
| **特征B**：确定多个群集质心<br>**《直接公开》** | 说明书第[0072]段：“举例来说，在上面描述的简化的基于地理的聚类中，操作402可以包括随机从3百万客户中选择100个，并且使用对应的100个地理位置作为聚类中心的初始集合。” <br>图4及相应描述：“操作可以一开始以随机选择k个聚类中心开始(402)。” | 目标专利中“确定多个群集质心”是群集过程的初始或核心步骤。对比文件在描述其k均值算法时，明确记载了“随机选择k个聚类中心”（操作402），此处的“聚类中心”即目标专利中的“群集质心”。对比文件中确定聚类中心是算法执行的必要步骤，其作用与目标专利中相同，均是作为数据点分组或比较的基准。因此，该技术特征被对比文件直接公开。 |
| **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》** | 说明书第[0030]段：“具体地说，如图所示，聚类106可以在可用核108、110、112中的每一个处被整体再现为聚类再现120。” <br>说明书第[0077]段：“如图5B所示，服务器/核514、516...518中的每一个也将接收全部k个聚类中心508...512，或者已经向服务器/核514、516...518中的每一个指派了全部k个聚类中心508...512。” | 目标专利的核心构思之一是将多个群集质心**划分**成不同的子集（群），每个子集由不同的线程/处理器**独立采用**进行处理（见说明书第[0071]-[0073]段）。对比文件则明确教导了相反的做法：将**全部**聚类中心（质心）**复制/再现**到每一个处理核（见图5B及相应描述）。每个处理核拥有完整的质心集，而非一个子集。这种“全部复制”与“划分成子集独立采用”是两种不同的并行处理架构。因此，该技术特征未被对比文件公开。 |
| **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》** | 说明书第[0030]段：“如图所示，样本104可以被划分成多个样本子集114、116、118。如图所示，样本子集114、116、118中的每一个都可以分布到核108、110、112中的相应一个。” <br>说明书第[0061]段：“多个样本可以被划分为数目与多个处理核的数目相应的样本子集(308)。举例来说，样本划分器132可以被配置为将样本104划分为样本子集114、116、118...” | 目标专利中“向...指派所述数据点流的一部分”是指将输入数据分割并分配给并行处理单元。对比文件明确记载了将样本数据集“划分成多个样本子集”并“分布到核...中的相应一个”。虽然目标专利针对“数据点流”，对比文件针对静态“样本”，但“将数据划分为多个部分并分配给多个处理器”这一并行处理的基本步骤是相同的。对比文件中的样本划分器132执行的就是这一指派功能。因此，该技术特征被对比文件直接公开。 |
| **特征E**：以及<br>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》** | 说明书第[0036]段：“合并器136可以被配置为整合、同步、聚合或者以其它方式合并来自核108、110、112的处理结果。” <br>说明书第[0065]段：“可以合并所述在多个处理核中的每一个处执行的比较的比较结果，以便由此以所述多个样本填充所述样本聚类。” | 目标专利中“组合...生成的多个群集以生成全局群集域”是并行处理后的结果整合步骤。对比文件中的“合并器136”被配置为“合并来自核...的处理结果”，并且明确说明合并比较结果以填充样本聚类。这实质上就是组合各并行处理单元的计算结果以形成最终的全局聚类结果。其作用与目标专利相同。因此，该技术特征被对比文件直接公开。 |
| **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》** | 无相关记载。 | 目标专利该特征限定了数据点流的特定来源——传感器（如加速计、话筒等），这与其应用场景（如移动设备实时处理传感器数据）密切相关（见说明书第[0006]、[0079]段）。对比文件全文未提及任何传感器，其数据来源于数据库中的静态样本（如客户记录）。因此，该技术特征未被对比文件公开。 |
| **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》** | 无相关记载。 | 该特征是对特征F中传感器类型的具体限定。对比文件未公开数据来自传感器，更未公开这些具体的传感器类型。因此，该技术特征未被对比文件公开。 |
| **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>**《隐含公开》** | 说明书第[0030]段：“样本104可以被划分成多个样本子集114、116、118...每一个样本子集都包含近似相等数目的样本104。” <br>说明书第[0061]段：“多个样本可以被划分为数目与多个处理核的数目相应的样本子集(308)。” | 目标专利中“按循环方式指派”是一种负载均衡的数据分发策略。对比文件虽未明确使用“循环”一词，但记载了将样本“划分为数目与...处理核的数目相应的样本子集”，并且“每一个样本子集都包含近似相等数目的样本”。为了实现这种近似相等的划分，本领域技术人员在实现时，很自然地会采用循环轮询等简单、均衡的分发方法。在隐含公开判断标准宽松的前提下，可以认为对比文件隐含公开了按循环方式指派数据的思想。因此，该技术特征被对比文件隐含公开。 |
| **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》** | 无相关记载。 | 目标专利中的“阶层式方式”是一种特定的分发机制：先利用一个小的质心集对数据点进行粗聚类，再根据粗聚类结果将数据点分发给对应的线程/处理器（见说明书第[0077]-[0079]段）。对比文件完全没有提及这种两级或阶层式的数据分发架构。其数据划分是直接、一次性的。因此，该技术特征未被对比文件公开。 |
| **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>**《直接公开》** | 说明书第[0041]段：“样本指派器或者样本重新指派器142可以被配置为将样本中的每一个与聚类106中给定的一个关联。” <br>图4描述：“基于该相似性量度在k个聚类中心内以及在k个聚类中心之间重新指派样本(406)。” | 目标专利该特征描述了指派过程中的一个具体操作：将单个数据点指派给一个质心。对比文件在k均值算法中明确包含“将样本...与聚类...关联”以及“重新指派样本”的步骤。这正是根据相似性比较，将每个样本（数据点）指派给一个聚类中心（质心）的过程。其作用与目标专利相同。因此，该技术特征被对比文件直接公开。 |
| **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》** | 无相关记载。 | 该特征与特征I的“阶层式方式”紧密相关，是阶层式分发中的一个具体步骤：在根据小质心集完成粗聚类后，将数据点指派给与该粗聚类质心对应的线程。对比文件不存在这种基于粗聚类结果进行线程指派的机制。数据点的划分是在处理开始前一次性完成的，与数据点具体属于哪个质心无关。因此，该技术特征未被对比文件公开。 |
| **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》** | 无相关记载。 | 该特征是目标专利阶层式分发方案的一个具体实施例（见说明书第[0078]段）。对比文件中的聚类中心数目（k）是算法参数，与处理器数目（S）无关。其说明书和附图中从未建立质心数目与处理器数目之间的对应关系。因此，该技术特征未被对比文件公开。 |
| **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》** | 无相关记载。 | 该特征是目标专利阶层式分发方案的另一个具体实施例（见说明书第[0079]段）。对比文件完全没有提及基于质心关联的数据点计数来指派数据点给线程的机制。因此，该技术特征未被对比文件公开。 |
| **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>**《直接公开》** | 说明书第[0030]段：“举例来说，被指派到相对高速处理核的样本子集与相对低速处理核所关联的或者被指派到相对低速处理核的样本子集相比可以被提供有更大数目的样本。” | 目标专利该特征指根据处理器性能动态调整数据负载。对比文件明确记载了可以根据处理核的速度差异来调整指派给其的样本子集大小（“被指派到相对高速处理核的样本子集...可以被提供有更大数目的样本”）。这公开了基于处理器速度进行数据指派的思想。因此，该技术特征被对比文件直接公开。 |
| **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》** | 说明书第[0030]段：“可以使用并行化整合操作器122，将示范性子集114中的全部样本分别与全部聚类再现120相比较...”。 <br>图4及伪码3：展示了在每个服务器/核上，针对其样本子集和全部聚类中心进行计算，最终得到聚类结果（如`cluster_result`）。 | 目标专利该特征描述了每个处理单元利用其拥有的质心对其分得的数据进行群集。对比文件中，每个处理核拥有全部质心的副本，并针对其样本子集中的每个样本与这些质心进行比较和指派（生成聚类关联关系）。虽然对比文件中每个核拥有的是“全部质心”而非“一个或多个质心（子集）”，但“每个处理器利用其可用的质心对其数据子集进行处理并生成聚类结果”这一核心操作模式是相同的。在隐含公开的宽松标准下，可以认为对比文件隐含公开了该特征。 |
| **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>**《未公开》** | 无相关记载。 | 该特征限定了群集生成的启动时机——“开始接收时即开始生成”，这体现了对数据流的实时处理特性。对比文件处理的是静态数据集，其计算过程是批处理式的，不存在“开始接收数据流部分”这一时间点，也没有描述处理启动的时机。因此，该技术特征未被对比文件公开。 |
| **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》** | 无相关记载。 | 该特征涉及数据缓冲机制。对比文件未提及任何在处理前缓冲数据点的步骤。其样本子集被一次性提供给处理核。因此，该技术特征未被对比文件公开。 |
| **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》** | 无相关记载。 | 目标专利该特征是针对数据点流可能过快或过载而采取的降采样措施（见说明书第[0079]段）。对比文件处理的是固定的、已存储的数据集，不存在“丢弃数据点流中的数据点”的需求或操作。因此，该技术特征未被对比文件公开。 |
| **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》** | 无相关记载。 | 该特征与特征R类似，是通过调整传感器本身来减少数据量。对比文件不涉及传感器，故不可能公开降低传感器采样率。因此，该技术特征未被对比文件公开。 |
| **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》** | 说明书第[0036]段：“合并器136可以被配置为整合、同步、聚合或者以其它方式合并来自核108、110、112的处理结果。举例来说，合并器136可以被配置为合并作为聚类管理器102的较大操作集的部分的中间处理结果以及合并最终结果集。” <br>说明书第[0084]段：“在k均值算法的传统实施方式中，可以通过计算每个样本与其当前或者(如果适用的话)新指派的聚类中心之间的总距离来执行操作412。然后，可以确定每个聚类中所有样本的均值或者平均数，并且每个这样的计算出的均值在之后都可以用作k＝100个聚类中心的新的聚类中心。” | 目标专利的“后处理”可包括数据挖掘、合并冗余群集等（见说明书第[0074]、[0080]、[0081]段）。对比文件在合并各处理核的结果后，会进行如更新聚类中心（操作412）、判断稳定性（操作408）等操作。这些操作是在获得初步聚类结果（相当于全局群集域）之后进行的进一步处理，属于后处理范畴。在宽松的隐含公开标准下，可以认为对比文件隐含公开了对全局聚类结果进行后处理的思想。 |
| **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》** | 说明书第[0028]-[0029]段：“核108、110、112中的每一个都可以表示独立的服务器或者包括一个或多个处理器的其它计算装置。在另外的或者替换实施方式中，核108、110、112中的每一个可以包括在单个服务器或者其它计算装置内。” | 目标专利该特征将处理单元限定在“用户装备”（UE，如移动设备）上。对比文件描述的处理核是服务器或计算装置的组成部分，属于服务器端或计算集群架构，并未将其限定为“用户装备”。因此，该技术特征未被对比文件公开。 |
| **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》** | 同上。 | 该特征将处理单元分布在多个用户装备上。对比文件中的处理核分布在多个服务器或一个服务器的多个核上，这些是传统的计算设备而非“用户装备”。因此，该技术特征未被对比文件公开。 |
<<<B>>><<<D>>><<<E>>><<<J>>><<<N>>><<<h>>><<<o>>><<<t>>>