【技术实现步骤摘要】
基于有向无环图的量子支持向量机的图像多分类方法本专利技术涉及量子计算，量子机器学习领域，尤其涉及基于有向无环图的量子支持向量机的图像多分类方法。技术背景本专利技术涉及量子计算这个高新学科，我们所提出并使用的方法：基于有向无环图的量子支持向量机方法，需要量子支持向量机方法与支持向量机多分类方法的基础。以下分别介绍量子计算基础，量子支持向量机方法，支持向量机的多分类方法。1.量子计算基础量子计算是近年来兴起的高新研究方向。它基于量子所具有的量子叠加与量子纠缠的性质，使得方法具有高并行性，大幅降低方法的时间复杂度。量子叠加指的是一个量子位可以处于0和1的叠加态，即既可能为1也可能为0。对于量子计算而言，我们用|0>与|1>表示。α|0>+β|1>就表示一个量子位处于|0>与|1>的叠加态上。当对该量子位进行观测时，它会塌缩为经典态的0或1，其概率为有α2的概率塌缩为0，有β2的概率塌缩为1，α与β的关系为α2+β2＝1。量子纠缠是指当某一量子位处于某一状态时，与其纠缠的量子位也将会...
【技术保护点】
1.基于有向无环图的量子支持向量机的图像多分类方法，其特征在于包括以下步骤：/n步骤(1)提取图像特征值/n步骤(2)根据实际问题构建DAG QSVM/n对于W分类问题，构建
【技术特征摘要】
1.基于有向无环图的量子支持向量机的图像多分类方法，其特征在于包括以下步骤：
步骤(1)提取图像特征值
步骤(2)根据实际问题构建DAGQSVM
对于W分类问题，构建个分类器，按照DAG的构造方式对所有分类器进行排列，构成DAGQSVM；
步骤(3)构建DAGQSVM的量子线路
完整的DAGQSVM量子线路图由个黑盒、1个合法验证量子位、个结果表示量子位组成。
步骤(4)执行已经构建好的DAGQSVM量子线路图
步骤(5)读取合法量子位
当合法量子位为|0>时，直接返回步骤(3)；当合法量子位为|1>时，结果量子位有意义，执行步骤(6)
步骤(6)读取结果量子位。
2.根据权利要求1所述的基于有向无环图的量子支持向量机的图像多分类方法，其特征在于：步骤(3)包括黑盒构建和盒外构建两部分，具体如下：
所述的黑盒构建，即QSVM的封装，具体如下：
对图像进行W分类，需要构建个QSVM分类器，每一个QSVM分类器用于实现图像的二分类，QSVM分类器由QSVM算法模块、Swaptest算法模块、以及AE算法模块组成；
其中，QSVM算法模块用于将图像特征制备为量子态，并进行训练，得到超平面量子态；
Swaptest算法模块用于使用超平面量子态与查询样本进行运算，得到二分类结果；
AE算法模块用于将SWAPTEST得到的分类结果从概率提取到基态，便于使用，
QSVM分类器的工作过程为：
QSVM算法模块将图像特征制备为量子态，并对输入的图像特征进行二分类，然后将QSVM算法输出结果的量子位输入Swaptest算法模块，由Swaptest算法模块进行查询样本的分类，经过哈达玛门得到分类结果于量子叠加态：然后由AE算法模块将概率P提出至新引入的辅助量子位上，得到|P>＝|P0P1P2...Pv-1>，其中v为AE算法引入的辅助量子位数量，P0P1P2...Pv-1是P的二进制表示；最终，QSVM分类器的输出接口有两个，即qubitn-A和qubitn-B，qubitn-A是QSVM算法模块表示QSVM算法是否输出结果的量子位，qubitn-B是AE算法模块得到的基态的最高位|P0>，表示分类结果的输出|ans>；
所述的盒外构建，用于解决在DAG的构建思想下，个QSVM分类器中每一个被启动的分类器要如何决定接下来哪一个分类器被启动；
其中，第n个QSVM分类器UZn的盒外构建通过引入四个量子位：qubitn-A、qubitn-B、qubitn-α、qubitn-β实现三类操作，
其中qubitn-A是表示第n个QSVM分类器是否输出分类结果的量子位；
qubitn-B是第n个QSVM分类器存储分类结果的量子位；
qubitn-α表示对应的UZn是否需要被启动；
qubitn-β用来存储验证量子位结果；
所述的三类操作分别是分类操作、合法验证和传递结果，
其中，
所述的分类操作用于实现一个QSVM的构造...
【专利技术属性】
技术研发人员：纪卓骁，姜楠，李宏，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。