**对比文件名称**：发明申请_US20140012848A1 SYSTEMS AND METHODS FOR CLUSTER ANALYSIS WITH RELATIONAL TRUTH
**特征比对表格**
| 技术特征描述 | 对比文件原文引用 | 公开性论述 |
| **技术特征A**：接收对应于第一行程的第一组对象数据； | 无直接对应原文。 | **未公开**。对比文件涉及对一组对象（如图像）进行聚类分析，并评估聚类结果与对象标签（如语义标签）的相似性。其接收的是“a set of clusters”（例如，说明书第[0037]段）或“a set of object labels”（例如，说明书第[0038]段），这些数据并非对应于“行程”（journey）这一特定概念。对比文件中的“对象”是待分析的静态集合（如图像库），而非从不同“行程”中收集的动态数据流。因此，该特征未被公开。 |
| **技术特征B**：接收对应于第二行程的第二组对象数据； | 无直接对应原文。 | **未公开**。理由同技术特征A。对比文件未提及从多个“行程”中接收数据的概念。其对比的是同一组对象的不同聚类结果（例如，基于视觉特征的聚类 vs. 基于语义标签的聚类），而非来自不同行程的数据集。 |
| **技术特征C**：确定所述第一组对象数据与所述第二组对象数据之间的相似性度量； | 说明书第[0045]段：“Some embodiments use the Rand index to generate a similarity measure between two sets of clusters.” | **直接公开**。对比文件明确记载了生成两个聚类集合（two sets of clusters）之间的相似性度量（similarity measure），例如使用Rand指数。虽然对比文件中的“集合”是聚类结果的集合，而目标专利中是对象数据的集合，但“确定两个集合之间的相似性度量”这一操作本身被直接记载。 |
| **技术特征D**：其中所述相似性度量指示至少一个对象的所述第一组对象数据的点与所述第二组对象数据的点之间的距离； | 说明书第[0045]段：“...the Rand Index is a pair counting strategy that considers all pairs of objects being clustered.” 以及第[0048]段：“...if the objects in a selected pair of objects, respectively labeled {i, j}, are in different clusters, then increment N00 by 1−s(i,j), and increment N01 by s(i, j). Else if the objects in the pair of objects are in the same cluster, then increment N10 by 1−s(i, j) and increment N11 by s(i, j).” | **隐含公开**。对比文件详细描述了Rand指数及其改进版本（考虑标签关系的Relational Rand Index）的计算方法。这些方法的核心是统计对象对（pair of objects）在不同聚类集合中的分配情况（是否在同一簇）。计算过程中，需要判断两个对象是否相同或相关，这隐含了需要对两个集合中的对象进行“配对”或“关联”比较。虽然对比文件未明确使用“点之间的距离”这一表述，但其相似性度量（如s(i,j)）基于对象标签之间的关系（由本体论定义，见第[0044]段），这种关系可以视为一种抽象的“距离”或“相似度”。在目标专利中，相似性度量基于对象点之间的物理距离；在对比文件中，相似性度量基于对象标签之间的语义关系距离。两者都是用于量化两个对象（或对象数据）之间差异的度量，在各自的技术方案中均起到为后续聚类提供量化依据的作用。因此，对本领域技术人员而言，对比文件隐含公开了“相似性度量指示两个对象数据点之间关系（距离）”这一概念。 |
| **技术特征E**：基于所述相似性度量来聚类所述至少一个对象的所述第一组对象数据和所述第二组对象数据，以产生至少一个对象簇； | 说明书第[0037]段：“...a computing device may sort the images according to a clustering procedure.” 第[0039]段：“...clustering is performed based on features extracted from the images.” | **未公开**。对比文件中的“聚类”操作是针对原始对象集合（如图像）进行的，其输入是对象特征或标签，输出是聚类集合（如第[0037]段的clusters 121-127）。而目标专利中的“聚类”操作，其输入是**已经分别对应于不同行程的两组对象数据**，目的是将来自不同行程的、可能对应于同一物理对象的数据聚类到一起。对比文件并未描述将来自两个独立数据集（类比两个行程）的数据进行跨集合并聚类的过程。其相似性度量（Rand指数等）是用于**评估**两个现有聚类结果之间的相似性，而不是作为**执行**聚类的依据。两者目的和作用不同。 |
| **技术特征F**：所述聚类用于将所述第一组对象数据的对象与所述第二组对象数据中的对象进行关联； | 无直接对应原文。 | **未公开**。理由与技术特征E部分相同。对比文件没有描述将两个独立数据集中的对象进行关联并聚类的技术方案。其“关联”体现在计算相似性度量时对对象对的考量，但这不是一个以“关联不同数据集对象”为目的的主动聚类过程。 |
| **技术特征G**：所述聚类包括使用所述相似性度量来执行分层聚类； | 无直接对应原文。 | **未公开**。对比文件提到了聚类过程（clustering procedure），但未具体描述其采用分层聚类（hierarchical clustering）算法，更没有记载使用技术特征C、D所定义的“相似性度量”来执行分层聚类。其讨论的相似性度量（Rand指数等）是聚类后的评估工具。 |
| **技术特征H**：使用物理距离作为针对两个或更多个聚类水平和/或步骤而不同的参数； | 无直接对应原文。 | **未公开**。对比文件未涉及“物理距离”的概念，也未描述在多个聚类水平/步骤中使用不同参数（如距离参数）的分层聚类方法。 |
| **技术特征I**：基于所述至少一个对象簇来产生地图数据； | 无直接对应原文。 | **未公开**。对比文件的主题是聚类分析和聚类质量评估，其输出是相似性指数（similarity index，如第[0078]段）、调整后的指数或聚类质量度量。整个文件未提及“地图数据”（map data）的概念，也没有任何关于生成地图数据的目的、方法或结果的记载。 |
| **技术特征J**：其中所述相似性度量基于对象类型； | 说明书第[0044]段：“Thus, the relationship between the labels may be considered. The relationship between the labels may be described according to an ontology 190.” 第[0045]段：“...generate a similarity score...based on the ontology...” | **直接公开**。对比文件明确记载了相似性分数（similarity score）的生成基于描述标签间关系的本体论（ontology）。本体论定义了不同对象标签（如“狗”、“狼”、“猫”）之间的层次或语义关系（如图3、16、18）。这实质上意味着相似性度量是基于对象的“类型”（由标签表示）及其类型间的关系来计算的。例如，“狗”和“狼”的相似度与“狗”和“鱼”的相似度不同，正是基于它们属于不同的动物类型及亚类型。 |
| **技术特征K**：其中针对标志对象类型确定所述相似性度量； | 无直接对应原文。 | **未公开**。对比文件中的对象类型是广义的，如图像内容对应的“动物”、“几何形状”等类别（见第[0038], [0076]段），并未特指“标志对象类型”（如交通标志）。虽然技术特征J被公开，但具体到“标志对象类型”这一特定类型，对比文件没有涉及。 |
| **技术特征L**：其中所述第一组对象数据和所述第二组对象数据包括标志数据； | 无直接对应原文。 | **未公开**。对比文件未提及“标志数据”。 |
| **技术特征M**：并且其中所述相似性度量指示来自不同行程的标志的点之间的距离； | 无直接对应原文。 | **未公开**。理由同技术特征D、K、L。对比文件的相似性度量不涉及“不同行程”的数据，也不涉及“标志的点之间的距离”。 |
| **技术特征N**：其中所述第一组对象数据和所述第二组对象数据包括车道标记数据； | 无直接对应原文。 | **未公开**。对比文件未提及“车道标记数据”。 |
| **技术特征O**：其中执行分层聚类包括执行多个不同的聚类步骤； | 无直接对应原文。 | **未公开**。对比文件未描述具体包含多个不同步骤的分层聚类过程。 |
| **技术特征P**：其中第一聚类步骤包括基于第一距离参数来聚类，并且第二聚类步骤包括基于第二距离参数来聚类，其中所述第二距离参数小于所述第一距离参数； | 无直接对应原文。 | **未公开**。对比文件未记载使用不同距离参数的多步骤聚类。 |
| **技术特征Q**：其中聚类所述第一组对象数据和所述第二组对象数据包括执行谱聚类； | 无直接对应原文。 | **未公开**。对比文件未提及“谱聚类”（spectral clustering）。 |
| **技术特征R**：其进一步包括基于所述至少一个对象簇来执行捆绑调整； | 无直接对应原文。 | **未公开**。对比文件未提及“捆绑调整”（bundle adjustment）。 |
| **技术特征S**：其中在一或多个关联块中的每一个内执行聚类； | 无直接对应原文。 | **未公开**。对比文件未提及在“关联块”（association tiles）内执行聚类的概念。 |
| **技术特征T**：其中产生所述地图数据包含基于所述至少一个对象簇来细化地图数据； | 无直接对应原文。 | **未公开**。对比文件未涉及“地图数据”及其“细化”。 |
| **技术特征U**：其进一步包括将所产生的地图数据传输到至少一个车辆； | 无直接对应原文。 | **未公开**。对比文件未涉及“地图数据”及“传输到车辆”。 |
| **技术特征V**：其中所述对象数据包括对象位姿信息； | 无直接对应原文。 | **未公开**。对比文件中的对象数据主要涉及图像特征、语义标签等（第[0039]段），未明确提及包含“对象位姿信息”（如6自由度位姿）。虽然图像或对象可能隐含位置信息，但对比文件并未将其作为“对象数据”的明确组成部分进行描述或利用。 |
**结论**：
- **直接公开**的技术特征有：C, J。
- **隐含公开**的技术特征有：D。
- 其余技术特征（A, B, E, F, G, H, I, K, L, M, N, O, P, Q, R, S, T, U, V）均未被对比文件公开。
<<<C>>><<<J>>><<<d>>>