基于量子计算的分类和聚类算法综述

• 作者: 杨俊闯 牛伟纳 赵超
• 来源期刊: 微电子学与计算机
• 关键词: 量子计算 机器学习 分类 聚类
• 年，卷（期）: 2020,（8）
• 页码范围: 1-5
• 页数: 5页
• 分类号: TP301.6
• 语种: 中文

摘要

越来越多的研究表明,借助量子计算技术可以提高有监督分类算法和无监督聚类算法的计算效率,甚至是学习精度.通常采用的方法有:基于量子理论将经典信息转换为量子态的形式存储起来,用量子态来表示所有样本;以量子态之间的距离替代样本数据之间的经典距离,形成新的相似度来度量样本数据间的相似性等.通过理论和模拟验证表明,量子计算可以实现对经典机器学习算法的加速.最后,总结了量子机器学习技术的优势和目前所存在的问题,并展望了未来该领域的发展趋势.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	牛伟纳	四川大学网络空间安全学院	2	0	0.0	0.0
2	赵超	河北工程大学信息与电气工程学院	2	18	1.0	2.0
3	杨俊闯	河北工程大学信息与电气工程学院	2	18	1.0	2.0