对比文件名称：2001-07-31_US6269376B_发明授权_US06269376B1 Method and system for clustering data in parallel in a distributed-memory multiprocessor system
目标专利名称：283用于非平稳数据的凝聚群集的并行方法CN105247487B
模型名称：专利创造性评估模型
### 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>**《未直接公开且未隐含公开》** | 对比文件说明书涉及处理存储在数据库中的大数据集，例如：“The present invention relates to systems and methods of data storage and retrieval, and in particular to a method and system for clustering data in a multiprocessor system.”（第1段）、“Applying the k-means algorithm in such cases can result in unacceptably long processing times...”（第2段）。未明确描述接收连续、实时生成的数据点“流”。 | 目标专利说明书强调接收和处理来自传感器（如加速计、话筒）的“数据点流”，并且数据必须“在运行中”被处理（参见说明书第[0006]段）。对比文件针对的是存储在数据库中、可被整体划分的静态大数据集，而非连续到达、需要即时处理的流式数据。本领域技术人员从对比文件公开的处理静态数据集的内容中，无法毫无疑义地得出或合理推断出接收“数据点流”的技术方案。因此，技术特征A未被公开。 |
| **技术特征B**：确定多个群集质心<br>**《直接公开》** | “initializing a set of k global centroid values in each of the data blocks”（摘要及第3段）；“First, ... k initial global centroid values are defined and broadcast to the processes.”（第6段，对应图3步骤306及图4第4-7行）。 | 对比文件明确描述了在并行k-means过程中，需要初始化一组k个全局质心值（global centroid values）。这与目标专利中“确定多个群集质心”的技术特征在作用上完全相同，都是作为聚类算法执行的起点。本领域技术人员能够毫无疑义地从对比文件中得出该技术方案。因此，技术特征B被直接公开。 |
| **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>**《未直接公开且未隐含公开》** | “each processor 102 has its own local copy of the centroids”（第5段）；“each process can independently decide on the convergence condition”（第7段）。对比文件强调每个处理器拥有**完整的**全局质心集副本，用于并行计算距离。 | 目标专利的核心改进点之一是将多个群集质心**划分**成子集（群），每个线程/处理器仅独立地采用和处理一个子集，最后再组合（参见说明书第[0071]-[0072]段）。对比文件公开的是每个处理器拥有**全部**全局质心的副本，并行处理的是数据块，而非质心子集。其并行机制是数据并行（划分数据），而非质心划分并行。本领域技术人员从“拥有本地副本”无法推理出将质心划分成子集并由不同处理器独立采用的技术方案。因此，技术特征C未被公开。 |
| **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》** | “dividing the set of data points N into P data blocks”（第4段，对应图3步骤304）；“each process μ=0, 1, 2, . . . , P−1, it is assumed to have access to the data subset”（公式4）。 | 对比文件明确描述了将整个数据集（N个数据点）划分为P个数据块，并分配给P个处理器（每个处理器访问一个数据子集）。虽然目标专利针对的是“数据点流”，而对比文件是针对静态数据集，但“将数据点的一部分指派给多个处理器”这一技术手段的作用是相同的，即实现数据并行处理。本领域技术人员能毫无疑义地从对比文件得出向多个处理器指派数据点的一部分的技术方案。因此，技术特征D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》** | “the k global centroids ... must be recomputed from the values received from each of the other processes.”（第6段，对应图3步骤312及图4第22-26行）；使用“MPI_Allreduce”操作对来自所有处理器的块累加值进行求和及广播，以重新计算全局质心（图5及第6段）。 | 对比文件详细描述了在每次迭代后，通过全局通信（如MPI_Allreduce）收集所有处理器上计算出的中间结果（块累加值），并基于这些结果重新计算全局质心值。这个过程正是“组合由多个处理器生成的（中间）群集信息以生成全局群集域（全局质心）”的体现。两者作用完全相同。因此，技术特征E被直接公开。 |
| **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>**《未直接公开且未隐含公开》** | 对比文件全文未提及“传感器”。其数据来源是数据库，例如：“large scale databases”（第1段）、“massive amounts of information”（第2段）。 | 目标专利明确限定数据点流来自一个或多个传感器（参见说明书第[0080]段）。对比文件处理的是存储在数据库中的通用数据，未涉及传感器数据采集。本领域技术人员无法从对比文件的内容中推理出该限定特征。因此，技术特征F未被公开。 |
| **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>**《未直接公开且未隐含公开》** | 同上，对比文件未提及任何具体传感器。 | 对比文件未公开传感器，更未公开加速计、陀螺仪等具体传感器类型。因此，技术特征G未被公开。 |
| **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>**《未直接公开且未隐含公开》** | 对比文件描述数据块划分时提到：“One technique for assigning data points to data blocks is to serially assign data points to blocks.”（第4段）。未提及“循环方式”。 | “循环方式”是目标专利中指派数据点流的一种具体策略（参见说明书第[0071]段）。对比文件提到的“顺序指派（serially assign）”可能是一种实现方式，但并未明确公开或暗示是循环的、针对流数据的动态分配方式。本领域技术人员无法确定其公开了“循环方式”。因此，技术特征H未被公开。 |
| **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>**《未直接公开且未隐含公开》** | 对比文件未描述任何“阶层式”的数据指派方式。 | “阶层式方式”是目标专利说明书第[0078]-[0079]段描述的另一种特定指派策略，涉及使用较小的质心集进行初步分发。对比文件完全没有涉及相关内容。因此，技术特征I未被公开。 |
| **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>**《直接公开》** | “assigning each data point in each data block to the closest global centroid value”（摘要及第3段，对应图3步骤308）；“Distance Calculation: ... find the closest cluster centroid ... Assign each such data point to the closest cluster centroid”（第5段，对应图2第14-21行）。 | 对比文件在k-means算法的“距离计算”步骤中，明确描述了将每个数据点分配给最近的（一个）全局质心值。这与技术特征J的描述完全一致。因此，技术特征J被直接公开。 |
| **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>**《未直接公开且未隐含公开》** | 对比文件中，数据点首先被静态划分到数据块并分配给处理器（特征D），然后在每个处理器内部，数据点被分配给全局质心（特征J）。不存在一个先根据质心选择，再将数据点动态分配给对应处理器的“阶层式”二次指派过程。 | 技术特征K与J共同构成了目标专利中“阶层式方式”指派的核心步骤（参见说明书第[0078]段）。对比文件的数据指派流程是线性的：先按数据块分配处理器，再在处理器内计算最近质心。没有公开“根据数据点与某个质心的关系，将该数据点再指派给特定线程或处理器”的机制。因此，技术特征K未被公开。 |
| **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>**《未直接公开且未隐含公开》** | 对比文件中，质心数目k是期望的聚类数量，处理器数目是P，二者是独立的参数。例如：“k d-dimensional points”（第5段）、“P processors”（第4段）。 | 目标专利此特征描述了在特定指派方式（如阶层式）下的一种配置关系。对比文件未建立质心数目与处理器数目之间的这种对应关系。因此，技术特征L未被公开。 |
| **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>**《未直接公开且未隐含公开》** | 对比文件未描述基于质心关联的数据点计数来指派数据点到处理器的机制。 | 此特征进一步限定了阶层式指派的一种复杂情形（参见说明书第[0079]段）。对比文件完全没有涉及基于质心数据点计数进行负载均衡或指派的任何内容。因此，技术特征M未被公开。 |
| **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>**《隐含公开》** | “if the processors 102 involved in the computations are not of equal memory or processing throughput capability, the data block size could be advantageously selected so as to assign larger blocks to processors in accordance with each processor's processing throughput and/or memory capacity.”（第4段） | 对比文件明确提到，可以根据处理器的处理吞吐量（processing throughput）来有利地选择（即指派）数据块的大小。这意味着在分配数据（即数据点流的一部分）时，考虑了处理器的速度（处理能力）。虽然对比文件是针对静态数据块划分，但其中蕴含的“根据处理器能力分配工作量”的思想，本领域技术人员可以合理推断出在流式数据分配时也可应用相同的原则，以实现负载均衡。因此，技术特征N被隐含公开。 |
| **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>**《直接公开》** | 每个处理器在其分配的数据块上执行操作：“assigning each data point ... to the closest global centroid value”（分配数据点到最近质心）和“computing a set of k block accumulation values from the data points assigned to the k global centroid values”（从分配给各质心的数据点计算块累加值）（摘要及第3段）。这实质上是每个处理器基于全局质心生成本地数据子集的聚类信息（即“群集”）。 | 在对比文件的并行模型中，每个处理器使用完整的全局质心集，对其本地数据块进行处理，生成该数据块相对于这些质心的分配结果和统计值（块累加值），这些结果构成了局部群集信息。这与“生成围绕一个或多个质心的一个或多个群集”在作用和结果上是一致的。因此，技术特征O被直接公开。 |
| **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>**《未直接公开且未隐含公开》** | 对比文件描述的并行k-means是迭代算法，通常假定数据块已完全就绪后开始迭代计算，未描述针对流数据“开始接收即开始处理”的在线或实时启动机制。 | 目标专利此特征强调了流数据处理的实时性。对比文件处理的是静态数据集，其计算启动与数据接收过程无关。本领域技术人员无法从对比文件中推理出此特征。因此，技术特征P未被公开。 |
| **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>**《未直接公开且未隐含公开》** | 对比文件未提及任何关于缓冲数据点的机制。 | 缓冲机制是针对数据流处理可能采用的技术，但对比文件未涉及相关内容。因此，技术特征Q未被公开。 |
| **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>**《未直接公开且未隐含公开》** | 对比文件旨在处理完整的数据库，未描述丢弃数据点以降低数据量的操作。 | 目标专利此特征针对传感器数据流可能过快的情况（参见说明书第[0080]段）。对比文件未公开此技术手段。因此，技术特征R未被公开。 |
| **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>**《未直接公开且未隐含公开》** | 对比文件未涉及传感器，更未涉及调整传感器采样率。 | 此特征与传感器直接相关，对比文件未公开。因此，技术特征S未被公开。 |
| **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>**《未直接公开且未隐含公开》** | 对比文件描述了聚类算法本身及并行实现，未提及在获得全局质心（即全局群集域）后，进一步执行如数据挖掘等“后处理”步骤。 | 目标专利说明书第[0076]段提到了对组合群集执行特征提取或数据挖掘。对比文件未公开此附加步骤。因此，技术特征T未被公开。 |
| **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>**《未直接公开且未隐含公开》** | 对比文件描述的硬件环境是“distributed-memory multiprocessor system”（分布式内存多处理器系统），如INTEL PARAGON, IBM SP-2等（第1段及图1），属于服务器或高性能计算集群，而非移动用户装备（UE）。 | 目标专利的应用场景是移动设备（UE）（参见说明书第[0006], [0024]-[0030], [0048]等段）。对比文件的系统架构完全不同。因此，技术特征U未被公开。 |
| **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>**《未直接公开且未隐含公开》** | 同上，对比文件的处理器位于同一分布式内存多处理器系统内，通过通信网络（如MPI）互联，并非分布在多个独立的用户装备上。 | 目标专利说明书第[0077]段提及处理可分布在多个通过高速链路耦合的UE上。对比文件未公开这种跨多个独立用户设备的分布式处理架构。因此，技术特征V未被公开。 |
<<<B>>><<<D>>><<<E>>><<<J>>><<<O>>><<<n>>>