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：用第一预先训练的分类器来确定多个所存储图像的特征。《隐含公开》	步骤S1：对于一样本集合，利用深度神经网络进行训练得到所述深度神经网络的初始网络权重；<br>步骤S3：将所述样本集合中所有的样本通过所述深度神经网络映射到特征空间...<br>具体实施方式：所述四层深度神经网络为自编码auto-encoder网络，所述自编码网络分为编码（encode）和解码（decode）两部分，其中编码部分的映射函数为f(x)...	对比文件公开了使用深度神经网络（如自编码器）将输入样本（如图像）“映射到特征空间”，即提取样本的特征。虽然对比文件中的神经网络在聚类迭代过程中会更新权重，但其初始权重是通过训练（步骤S1）获得的，且在整个方法中承担了特征提取的功能，这等同于目标专利中“预先训练的分类器”所执行的“确定特征”功能。因此，本领域技术人员可以从对比文件中合理推断出使用一个（初始）经过训练的网络来确定特征的技术方案。但对比文件未明确限定该网络是“预先训练的”且固定不变（其会在后续步骤更新），也未限定其为SVM、逻辑回归等特定分类器类型（见特征H），故为隐含公开。
技术特征B：所述多个所存储图像的特征不同于用于训练所述第一预先训练的分类器的多个训练图像。未公开	对比文件未提及训练所述深度神经网络所使用的训练样本（训练图像）与步骤中进行聚类操作的“样本集合”（所存储图像）是否为不同的集合。	对比文件仅描述了对一个“样本集合”进行操作，步骤S1中训练网络权重和后续聚类使用的是同一个样本集合（例如手写数字数据集）。说明书未记载，也无法直接或隐含地得出用于训练网络的“训练图像”与待提取特征的“所存储图像”是不同的。目标专利强调此点是为了说明分类器在陌生数据上的应用，而对比文件未涉及此概念。
技术特征C：至少部分地基于所确定的特征来将所述多个所存储图像中的每一个图像指派给多个群集中的群集。《直接公开》	步骤S6：利用所述步骤S5得到的更新网络权重后的深度神经网络，计算得到新的特征层，并基于此与之前的所有聚类中心进行比较，将每个样本分配至与其距离最近的聚类中心所在的类组，并为每个样本分配新的聚类标签；	对比文件明确公开了基于计算得到的特征（“新的特征层”），将每个样本指派给距离最近的聚类中心所在的“类组”（即群集）。这与目标专利中基于特征进行指派的技术方案完全相同。因此，该技术特征被直接公开。
技术特征D：基于所述图像离对应于所述图像的最接近的群集中心的距离小于第一阈值、与所述最接近的群集中心相关联的预定义图像数目小于第二阈值、和/或与最接近的群集中心相关联的图像百分比小于第三阈值来向所述多个所存储图像中的图像指派标记。未公开	对比文件未提及基于距离阈值、数目阈值或百分比阈值来向图像（样本）指派标记。	对比文件在指派聚类标签（步骤S6）时，仅依据“距离最近”的原则，并未引入任何阈值条件（如距离d、数目n、百分比p）来筛选哪些样本可以被“标记”。目标专利中设置阈值是为了选择“强”标记图像用于监督训练，这是对比文件完全没有公开的额外限定。
技术特征E：修改所指派的标记。未公开	对比文件未记载由用户或外部指令对已指派的聚类标签（标记）进行修改。	对比文件步骤S6中“分配新的聚类标签”是算法根据距离比较自动进行的更新，属于聚类迭代过程的一部分。这不同于目标专利中由用户主动进行的“修改所指派的标记”（如用户重新命名文件夹或移动图像）。对比文件没有公开用户修改标记的技术特征。
技术特征F：当所述所指派的标记被修改时用所述图像来重新训练所述第一预先训练的分类器。未公开	对比文件未记载因标记被修改而触发重新训练网络。	对比文件步骤S5更新网络权重是基于目标函数（包含类内约束）的迭代优化，目的是使特征空间内聚类更紧致，这是聚类算法固有的迭代过程，并非响应于“所指派的标记被修改”（特别是用户修改）这一事件。目标专利的重新训练是针对用户修改行为进行的适应性学习，对比文件未公开此技术特征。
技术特征G：以及至少部分地基于所述预先训练的分类器来对所述图像重新分类。《直接公开》	步骤S5：利用目标函数加入类内约束的深度神经网络更新所述网络结构...<br>步骤S6：利用所述步骤S5得到的更新后的网络结构，利用编码部分的映射函数f(x)计算得到新的特征层，并依此与之前的...聚类中心进行比较，将样本分配至距离最近的聚类中心所在的类组，并为每个样本分配新的聚类标签。	对比文件公开了在更新网络权重（相当于优化或“重新训练”了特征提取器）后，利用更新后的网络重新计算特征，并再次基于特征将样本分配到群集（类组）。这个过程即“基于（更新后的）网络对图像重新分类”。虽然对比文件的网络在迭代中更新，但每次迭代后的分类行为在本质上与目标专利的“重新分类”一致。因此，该技术特征被直接公开。
技术特征H：其特征在于，所述第一预先训练的分类器是支持向量机器(SVM)、逻辑回归、最接近的邻居、或多层感知器(MLP)。未公开	对比文件公开的特征提取器/网络是“深度神经网络”，具体实施例为“由四层约束玻兹曼机（RBM）组成的深度神经网络”和“自编码auto-encoder网络”。	对比文件明确使用的是“深度神经网络”、“自编码器”，并未提及目标专利所限定的SVM、逻辑回归、最近邻居或MLP等具体分类器类型。这些是不同的技术手段，本领域技术人员不能从对比文件中的深度神经网络毫无疑义地得出或等价替换为上述特定类型的分类器。
技术特征I：其特征在于，进一步包括，至少部分地基于对应的标记来将所述多个所存储图像中的图像分类到群中。《直接公开》	步骤S2：...并为每个样本分配初始聚类标签；<br>步骤S6：...并为每个样本分配新的聚类标签。	对比文件在聚类过程中明确为样本分配“聚类标签”（即标记），并且样本根据其被分配的标签自然归属于不同的“类组”（即群）。因此，“基于标记将图像分类到群中”这一技术特征已被对比文件直接公开。
技术特征J：其特征在于，进一步包括，至少部分地基于对应的群来将所述多个所存储图像中的每个图像放置到文件夹中。未公开	对比文件全文未提及“文件夹”这一概念。	对比文件仅涉及抽象的聚类分组（“类组”），并未将其与具体的、用户可视的文件存储结构（如“文件夹”）相关联。将聚类结果映射到文件系统的文件夹中是目标专利针对图像管理应用的具体实现，对比文件未公开。
技术特征K：其特征在于，进一步包括，使用非特定名称来命名所述文件夹。未公开	对比文件未涉及文件夹及其命名。	同上，对比文件未公开“文件夹”的概念，因此更不可能公开为其命名（无论是非特定名称还是特定名称）的技术特征。
技术特征L：其特征在于，进一步包括，使用第二预先训练的分类器来确定特定文件夹名称。未公开	对比文件未提及使用第二个分类器，也未提及确定文件夹名称。	对比文件仅使用一个深度神经网络进行特征提取和聚类优化，没有公开使用“第二预先训练的分类器”。同时，对比文件也未涉及为群组（文件夹）确定名称。
技术特征M：其特征在于，进一步包括，使用所述第二预先训练的分类器、至少部分地基于与相关联的群的标记相关联的群集中心的分类来确定所述特定文件夹名称。未公开	对比文件未提及第二分类器、文件夹名称，也未提及基于群集中心的分类来确定名称。	该技术特征涉及一个多步骤的命名过程，包括第二分类器、群集中心分类等。对比文件完全没有公开这些内容。
技术特征N：其特征在于，所述特定文件夹名称进一步至少部分地基于关于给定文件夹的所标记图像的多数裁定规则来确定。未公开	对比文件未涉及文件夹命名，也未提及多数裁定规则。	对比文件未公开此特征。
技术特征O：其特征在于，进一步包括，接收修改特定文件夹名称或指派新的特定文件夹名称的用户输入。未公开	对比文件未提及任何用户交互，特别是修改或指派文件夹名称的输入。	对比文件描述的是一个全自动的聚类算法流程，没有用户参与的环节。接收用户输入是目标专利人机交互部分的重要特征，未被对比文件公开。
技术特征P：其特征在于，进一步包括，至少部分地基于群集中心或者至少一个所标记的图像特征向量来重新训练第二预先训练的分类器以包括经修改的特定文件夹名称或所述新的特定文件夹名称。未公开	对比文件未提及第二分类器、文件夹名称的修改，也未提及基于这些修改来重新训练分类器。	该技术特征与用户交互和模型个性化更新相关。对比文件的网络权重更新是基于算法内部的类内约束，不涉及外部用户输入或文件夹名称的整合，因此未公开此特征。
技术特征Q：其特征在于，进一步包括，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。未公开	对比文件未明确描述处理“新图像”（即训练/聚类过程未见过的新样本）的流程，也未提及将其放置到“文件夹”中。	虽然对比文件的聚类方法理论上可以应用于新样本（通过训练好的网络提取特征并计算与聚类中心的距离），但说明书并未明确记载此过程。更重要的是，将新图像“放置在文件夹中”是目标专利图像管理应用的具体操作，对比文件未公开。
技术特征R：其特征在于，进一步包括，接收修改所述所指派的标记的用户输入。未公开	对比文件未记载接收用户输入以修改聚类标签（标记）。	对比文件中标记的更新是算法自动完成的（步骤S6），没有用户干预。目标专利允许用户修改标记（如通过移动图像），这是对比文件未公开的交互特征。
技术特征S：其特征在于，至少部分地基于将所述图像从第一文件夹移至第二文件夹的用户输入来修改所述所指派的标记。未公开	对比文件未提及文件夹、用户移动图像的操作。	该技术特征明确依赖于“文件夹”和用户“移动”操作，这些都是对比文件完全没有涉及的概念和步骤。
技术特征T：其特征在于，进一步包括，与第二用户共享至少一个分类器或群集中心列表。未公开	对比文件未涉及与第二用户共享任何内容。	对比文件仅描述了一个独立的聚类方法，未提及系统间、用户间的数据或模型共享功能。
技术特征U：其特征在于，所共享的群集中心列表与所述第二用户的群集中心列表相组合以创建用于所述第二用户的图像的标记并且更新用于所述第二用户的分类器。未公开	对比文件未涉及共享、组合群集中心列表以及为其他用户更新分类器。	该技术特征描述了跨用户的个性化模型更新机制，是对比文件完全没有公开的内容。
技术特征V：其特征在于，进一步包括，与所述第二用户共享用户为类别或群集定义的种类。未公开	对比文件未涉及用户定义种类或与其他用户共享。	对比文件中的聚类类别（如手写数字的0-9类）是算法自动发现的，并非用户定义的“种类”。共享用户定义种类的功能未被公开。