非显而易见法律服务网

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《隐含公开》	对比文件说明书在“DETAILED DESCRIPTION OF THE PREFERRED EMBODIMENTS”部分描述了神经网络400的训练和使用：<br>“Training of neural network 400 takes place by conventional error back propagation... Once the synaptic weights are determined, this invention can be practiced with a neural network having fixed synaptic weights.”<br>“These 105 normalized encoded values V for the feature images are processed via a neural network (processing block 205).”	对比文件公开了使用一个预先训练的神经网络（分类器）来处理图像的特征值（即编码值V）。神经网络通过反向传播在训练集上训练后，其突触权重被固定，用于后续识别。这相当于一个“预先训练的分类器”。该网络处理从图像中提取并编码的特征值（105个归一化编码值V），从而“确定”了图像的特征表示。虽然对比文件是针对手写数字识别，而目标专利是针对通用图像管理，但“使用预先训练的分类器来确定图像的特征”这一技术手段是相同的。因此，本领域技术人员可以从对比文件中毫无疑义地推理出技术特征A的技术方案。
技术特征B《直接公开》	对比文件说明书在“DETAILED DESCRIPTION OF THE PREFERRED EMBODIMENTS”部分描述了训练集和待识别图像的来源：<br>“A training set including a number of images for each candidate digit is selected... The training set is preferably taken from actual scanned U.S. Mail ZIP codes.”<br>“Individual letters 10 are removed from input stack 5... camera 110 forms a gray scale image of the entire envelope.”	对比文件明确说明了用于训练神经网络（第一预先训练的分类器）的“训练集”（training set）图像（来自实际邮件的扫描邮政编码数字）与系统在实际操作中处理的“所存储图像”（来自输入堆栈5的信件的灰度图像，其中包含待识别的手写数字）是不同的图像集合。两者来源相同（都是邮件），但具体图像样本不同，训练集用于训练，后续邮件图像用于识别。这直接公开了所存储的图像特征不同于用于训练分类器的训练图像。
技术特征C《隐含公开》	对比文件说明书在“DETAILED DESCRIPTION OF THE PREFERRED EMBODIMENTS”部分描述了神经网络的输出和决策逻辑：<br>“Each neuron 440 to 449 of the output layer corresponds to one of the digit candidates 0 to 9... Classification takes place by detection of an output above a recognition threshold at an output node for the corresponding digit candidate...”<br>“If the image meets a decision criteria, then the image is classified according to that decision criteria (processing block 209).”	对比文件公开了神经网络根据输入的特征（编码值）产生输出，并将图像分类到对应的数字候选类别（0-9）中。每个输出神经元对应一个数字类别。这实质上就是基于所确定的特征（编码值），将每个输入图像“指派”给多个候选类别（可视为“群集”）中的一个。虽然对比文件没有明确使用“群集”（cluster）一词，但“分类到多个类别中”是“指派给多个群集”的一种具体表现形式。本领域技术人员可以毫无疑义地推理出，将图像分类到预定类别就是将其指派给一个群集。
技术特征D《未公开》	对比文件说明书在“DETAILED DESCRIPTION OF THE PREFERRED EMBODIMENTS”部分描述了设置识别阈值：<br>“Recognition thresholds are empirically set for each candidate digit to maximize a correct/incorrect classification cost function.”<br>“Program 200 next tests to determine if the image meets the decision criteria for any digit class (decision block 208)... each output node of the neural network 400 has a corresponding recognition threshold for digit recognition.”	对比文件公开了为每个数字类别设置一个识别阈值，当对应输出神经元的输出超过该阈值时，图像被分类为该数字。这与基于“距离小于第一阈值”来指派标记有相似逻辑（阈值判断）。然而，对比文件中的阈值是针对神经网络输出值的，而目标专利中的“第一阈值”是基于图像特征向量与“群集中心”的距离。对比文件没有公开“群集中心”的概念，也没有公开基于“预定义图像数目小于第二阈值”或“图像百分比小于第三阈值”来指派标记的方案。这些具体条件未被公开。
技术特征E《未公开》	无相关内容。	对比文件描述的是一个固定的、一次训练完成的识别系统。没有提及任何允许用户或系统修改已指派给图像的标记（例如，将数字“5”的标记改为其他内容）的机制或步骤。
技术特征F《未公开》	无相关内容。	对比文件在训练完成后即固定神经网络权重，用于后续识别。没有描述在标记被修改后，使用被修改标记的图像作为新训练数据来“重新训练”分类器的过程。
技术特征G《未公开》	无相关内容。	由于对比文件没有公开特征E和F（修改标记和重新训练），因此也不可能公开基于重新训练后的分类器对图像进行重新分类的技术特征。
技术特征H《未公开》	对比文件说明书在“DETAILED DESCRIPTION OF THE PREFERRED EMBODIMENTS”部分描述了分类器的类型：<br>“The structure of the neural network is illustrated in FIG. 6.”	对比文件明确使用的分类器是“神经网络”（neural network），具体是具有输入层、隐藏层和输出层的多层感知机结构。而目标专利权利要求明确限定的分类器类型是“支持向量机(SVM)、逻辑回归、最接近的邻居、或多层感知器(MLP)”。虽然对比文件的神经网络可被视为一种MLP，但权利要求是择一限定。对比文件没有公开SVM、逻辑回归或最接近的邻居这些具体的、与神经网络并列的分类器类型。因此，该具体限定未被公开。
技术特征I《隐含公开》	参见技术特征C的引用。	如技术特征C所述，对比文件公开了基于神经网络输出将图像分类到对应的数字候选类别（0-9）中。这实质上是“至少部分地基于对应的标记来将图像分类到群中”。在对比文件中，“标记”是数字类别（如“0”、“1”...“9”），“群”就是这些类别本身。因此，本领域技术人员可以合理推断出该特征。
技术特征J《隐含公开》	对比文件说明书在“BACKGROUND OF THE INVENTION”和“DETAILED DESCRIPTION OF THE PREFERRED EMBODIMENTS”部分描述了分类后的动作：<br>“Upon successful recognition of any ZIP code, handwritten digit recognition system 100 deposits each letter 10 into one of a set of ZIP sorted bins 20 based upon the recognized ZIP code digits.”	对比文件公开了在成功识别邮政编码数字后，根据识别出的邮政编码将每封信件放入对应的“分类箱”（ZIP sorted bins 20）中。将物理信件放入不同的箱子，与将数字图像文件放入不同的电子“文件夹”，在功能上都是基于分类结果进行物理或逻辑上的归集。本领域技术人员可以容易地推理出，在图像管理领域，将分类后的图像放置到不同的文件夹中是实现类似功能的常规手段。
技术特征K《未公开》	无相关内容。	对比文件没有描述为分类箱（或文件夹）命名的过程，更没有提及使用“非特定名称”（如“未命名文件夹”、“新建文件夹”）来命名。
技术特征L《未公开》	无相关内容。	对比文件没有描述使用任何“第二预先训练的分类器”来确定文件夹名称。
技术特征M《未公开》	无相关内容。	由于特征L未公开，且对比文件没有“群集中心”和基于其确定文件夹名称的披露，因此该特征也未公开。
技术特征N《未公开》	无相关内容。	对比文件没有涉及基于“多数裁定规则”来确定文件夹名称的内容。
技术特征O《未公开》	无相关内容。	对比文件是一个全自动的邮件分拣系统，没有描述接收用户输入以修改文件夹名称或指派新名称的交互功能。
技术特征P《未公开》	无相关内容。	由于特征O（用户修改名称）和特征L（第二分类器）均未公开，因此基于用户修改来重新训练第二分类器的特征也不可能被公开。
技术特征Q《隐含公开》	对比文件说明书整体描述了系统的工作流程：对新信件进行扫描、定位邮政编码、分割、归一化、特征提取（编码），然后将特征输入训练好的神经网络进行分类，最后根据分类结果放入相应箱子。这隐含了对“新图像”的处理流程。	对比文件整个系统的工作过程就是持续处理新的信件图像（新图像）。对于每一封新信件，系统确定其特征向量（105个编码值），应用训练好的分类器（神经网络）确定其数字类别（即确定其所属的“群”），并根据识别出的邮政编码（即“群”的组合）将信件放入对应箱子（可视为“文件夹”）。本领域技术人员可以从对比文件描述的系统工作流程中，毫无疑义地推理出“至少部分地基于确定新图像的特征向量和应用所述分类器以确定所述新图像的群来将所述新图像放置在文件夹中”这一完整的技术方案。
技术特征R《未公开》	无相关内容。	对比文件没有描述任何接收用户输入以修改已指派标记的机制。
技术特征S《未公开》	无相关内容。	对比文件没有描述任何图形用户界面或允许用户通过拖放等操作将图像从一个文件夹移动到另一个文件夹的功能，更不用说基于此操作来修改图像的指派标记。
技术特征T《未公开》	无相关内容。	对比文件描述的是独立的邮件分拣设备，没有提及与“第二用户”共享分类器或群集中心列表的功能。
技术特征U《未公开》	无相关内容。	由于特征T未公开，因此该特征也未公开。
技术特征V《未公开》	无相关内容。	对比文件没有提及用户定义的种类，也没有共享这些种类的功能。