量子主成分分析算法

• 作者: 刘志昊 张俊 朱皖宁 阮越 陈汉武
• 来源期刊: 计算机学报
• 学科: 工学
• 关键词: 主成分分析 人脸识别 量子计算 算术编码 Grover算法
• 年，卷（期）: 2014,（3）
• 所属期刊栏目: 智能信息处理
• 页码范围: 666-676
• 页数: 11页
• 分类号: TP302
• 字数: 9906字
• 语种: 中文
• DOI: 10.3724/SP.J.1016.2014.00666

摘要

主成分分析(Principal Component Analysis,PCA)是模式识别领域,尤其是人脸识别中一种应用广泛的重要算法.然而,在此算法及其后续的改造算法中始终存在两个主要问题:(1)降维处理后的特征空间依然较大;(2)用于比较两幅人脸特征相似性的测度方法计算量较大,从而导致算法在识别阶段的时间效率较差.该文基于量子信息的相关理论与方法,并受算术编码基本思想的启发,提出了量子PCA算法.设计了一种人脸特征编码方案,进一步压缩了降维处理后的特征空间;将两幅人脸特征的相似性测度方法改为在某一阈值条件下的等值判定;应用Grover算法修改识别阶段的处理流程,使得算法的时间效率有了显著提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈汉武	东南大学计算科学与工程学院	67	442	12.0	17.0
5	张俊	东南大学计算科学与工程学院	22	174	7.0	12.0
6	阮越	东南大学计算科学与工程学院	15	113	5.0	10.0
8	朱皖宁	东南大学计算科学与工程学院	11	79	5.0	8.0
9	刘志昊	东南大学计算科学与工程学院	20	130	6.0	10.0