**对比文件名称**：2005-08-25_WO2005078629A_发明申请_WO2005078629A2 GENETIC ALGORITHMS FOR OPTIMIZATION OF GENOMICS-BASED MEDICAL DIAGNOSTIC TESTS
**目标专利名称**：1327将系统数据缩放集成到基于遗传算法的特征子集选择中的方法和装置CN101501712B
**本次调用的模型名称**：未指定（资深专利代理师评估模型）
### 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（中文翻译） | 公开性论述 |
| **技术特征A：使用系统数据缩放方法**<br>公开性判断：未公开 | 对比文件无相关内容。 | 对比文件采用交叉验证划分训练集和测试集（[p0005]），但未涉及“系统数据缩放”方法，该方法在目标专利中特指通过去除与真结节形成Tomek链的假结节来缩放训练集，对比文件未公开任何类似概念，本领域技术人员无法从对比文件得出或合理推断该技术特征。 |
| **技术特征B：从一组训练案例中选择训练集**<br>公开性判断：直接公开 | [p0005]：“学习案例集22被交叉验证和噪声添加算法24划分为训练案例子集26和测试案例子集28”。 | 对比文件明确公开了从一组学习案例（训练案例）中划分出训练案例子集（训练集），该操作即为“从一组训练案例中选择训练集”，与本特征含义实质相同，因此直接公开。 |
| **技术特征C：使用分类方法**<br>公开性判断：直接公开 | [p0005]：“对于每个染色体，通过分类器训练算法30基于训练案例26优化分类器”以及“分类器测试算法32测试优化后的分类器”。 | 对比文件公开了训练和测试分类器的过程，即使用了分类方法（训练算法和测试算法），因此直接公开。 |
| **技术特征D：基于所述训练集来创建分类器**<br>公开性判断：直接公开 | [p0005]：“对于每个染色体，通过分类器训练算法30基于训练案例26优化分类器”。 | 对比文件明确基于训练案例（训练集）优化（创建）分类器，直接公开本特征。 |
| **技术特征E：其中所述系统数据缩放方法和所述分类方法产生所述分类器**<br>公开性判断：未公开 | 对比文件无相关内容。 | 对比文件只涉及交叉验证划分训练集，未采用系统数据缩放方法，因此分类器的产生仅依赖于分类方法，不涉及系统数据缩放，本特征未被公开。 |
| **技术特征F：从而减少假阳性并提高分类准确性**<br>公开性判断：隐含公开 | [p0002]：“开发用于癌症筛查的诊断测试，其目标是准确分类”，以及[p0005]中适应度函数衡量分类错误数量。 | 对比文件虽未明确使用“假阳性”一词，但其方法旨在提高分类准确性（通过适应度函数最小化错误分类），而减少假阳性是提高分类准确性的内在要求，本领域技术人员可合理推断该方法必然能够减少假阳性并提高分类准确性，因此隐含公开。 |
| **技术特征G：其中所述分类器从由支持向量机、神经网络和决策树组成的组中进行选择**<br>公开性判断：未公开 | 对比文件仅在[p0002]背景中提到“development of neural networks”，但具体实施方式中分类器为加权和（[p0005]：“classifier may be a weighted sum”）。 | 对比文件的具体分类器是加权和，不属于支持向量机、神经网络或决策树中的任何一种；背景中提及的神经网络仅作为应用领域，并非本方法中使用的分类器，本领域技术人员不能毫无疑义地从对比文件得出分类器选自该组，也未合理推断出该特征，因此未公开。 |
| **技术特征H：译。**<br>公开性判断：未公开 | 无实质内容。 | 该特征无实质技术内容，对比文件未公开。 |
| **技术特征I：所述方法进一步包括使用测试集对基于所述训练集由所述分类方法产生的所述分类器进行评价**<br>公开性判断：直接公开 | [p0005]：“分类器测试算法32测试优化后的分类器在测试案例28上的效果，计算错误分类数等”。 | 对比文件明确使用测试集（测试案例子集）对基于训练集产生的分类器进行评价，直接公开本特征。 |
| **技术特征J：译。**<br>公开性判断：未公开 | 无实质内容。 | 该特征无实质技术内容，对比文件未公开。 |
| **技术特征K：其中选择进一步包括从所述训练集中去除与真结节形成Tomek链的假结节**<br>公开性判断：未公开 | 对比文件无相关内容。 | 对比文件未涉及Tomek链的概念，也未公开从训练集中去除与真结节形成特定链的假结节，本特征完全未被公开。 |
| **技术特征L：直到满足一个阈值**<br>公开性判断：未公开 | 对比文件无相关内容。 | 对比文件未提及任何关于去除假结节并满足阈值的操作，本特征未被公开。 |
| **技术特征M：译。**<br>公开性判断：未公开 | 无实质内容。 | 该特征无实质技术内容，对比文件未公开。 |
| **技术特征N：其中相对于向下缩放因子x来确定所述阈值**<br>公开性判断：未公开 | 对比文件无相关内容。 | 对比文件未涉及向下缩放因子或通过因子确定阈值，本特征未被公开。 |
| **技术特征O：使得在系统数据缩放后留在所述训练集中的假结节的数量不超过所述训练集中的真结节的数量的x倍**<br>公开性判断：未公开 | 对比文件无相关内容。 | 对比文件未涉及系统数据缩放后假结节与真结节的数量比例关系，本特征未被公开。 |
| **技术特征P：译。**<br>公开性判断：未公开 | 无实质内容。 | 该特征无实质技术内容，对比文件未公开。 |
| **技术特征Q：其中所述方法进一步包括利用该组训练案例或其子集来验证所述分类器**<br>公开性判断：直接公开 | [p0005]：“分类器测试算法32测试优化后的分类器在测试案例28上的效果”，测试案例为学习案例的子集。 | 对比文件使用测试案例（学习案例的子集）验证分类器，直接公开本特征。 |
| **技术特征R：译。**<br>公开性判断：未公开 | 无实质内容。 | 该特征无实质技术内容，对比文件未公开。 |
**结论**：对比文件直接公开了技术特征B、C、D、I、Q；隐含公开了技术特征F；其余技术特征（A、E、G、H、J、K、L、M、N、O、P、R）未被公开。
<<<B>>><<<C>>><<<D>>><<<I>>><<<Q>>><<<f>>>