← 返回列表

一种基于变分量子核的量子支持向量机的数据分类方法

申请号: CN202410071683.3
申请人: 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室)
申请日期: 2024/1/18

摘要文本

本发明涉及量子机器学习领域,具体涉及一种基于变分量子核的量子支持向量机的数据分类方法。该方法解决基于量子支持向量机的数据分类方法在处理复杂数据分类时分类效果不准确的问题。该方法具体包括:将数据集通过映射函数映射到映射空间后进行量子编码;求解表示映射空间数据分离超平面参数的量子态;使用量子支持向量机对映射数据集进行分类;基于损失函数更新映射函数得到优化过的映射函数;基于优化过的映射函数对待分类数据映射后使用量子支持向量机分类。本发明将待分类的数据映射到高维的映射空间用超平面分离,从而使量子支持向量机可以处理更复杂的数据分布,提高了分类的准确性。

专利详细信息

项目 内容
专利名称 一种基于变分量子核的量子支持向量机的数据分类方法
专利类型 发明申请
申请号 CN202410071683.3
申请日 2024/1/18
公告号 CN117591947A
公开日 2024/2/23
IPC主分类号 G06F18/2411
权利人 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室)
发明人 薛程; 王璐; 陈昭昀
地址 安徽省合肥市高新区望江西路5089号, 中国科学技术大学先进技术研究院未来中心B1205-B1208

专利主权项内容

1.一种基于变分量子核的量子支持向量机的数据分类方法,其特征在于,包括以下步骤:步骤一,将待分类数据组成数据集,/>表示待分类数据的数量,/>表示每条待分类数据的维数,/>表示/>维实数空间,/>表示第/>条待分类数据;将数据集/>保存在量子数据结构中;步骤二,将数据集通过映射函数/>映射得到映射数据集/>,第/>条待分类数据/>映射后得到映射待分类数据/>,映射函数/>的待优化参数向量为/>;步骤三,制备映射数据集量子特性编码将映射数据集/>进行量子编码;步骤四,根据核函数矩阵定义描述映射空间数据分离超平面参数的核映射方程,通过量子线性求解器求解该核映射方程,得到表示映射空间数据分离超平面参数的量子态;核函数矩阵/>为/>维,核函数矩阵中每一个元素的值为该元素所在行所代表的映射待分类数据与该元素所在列所代表的映射待分类数据的内积;步骤五,基于表示映射空间数据分离超平面参数的量子态,使用量子支持向量机对映射数据集进行分类;步骤六,构建损失函数,基于损失函数更新映射函数的待优化参数向量/>,使损失函数值小于预设值,得到优化过的映射函数/>;步骤七,基于优化过的映射函数对待分类数据进行映射得到映射后的数据,使用量子支持向量机对映射后的数据进行分类。