基于量子SVM处理分类问题的方法技术

本发明专利技术提供一种基于量子SVM处理分类问题的方法，属于量子计算与金融技术领域。因为该方法将待分类问题映射到二元二次优化模型上，利用量子启发下的模拟分叉方法求得二元二次优化模型对应的能量函数的最小值，因此面对更加复杂或抽象数据集，本发明专利技术提供的量子支持向量机SVM相比经典SVM的分类精度明显提高，分类效果更加显著。效果更加显著。效果更加显著。

【技术实现步骤摘要】
基于量子SVM处理分类问题的方法


[0001]本专利技术涉及量子计算与金融
，具体涉及一种基于量子SVM处理分类问题的方法。

技术介绍

[0002]参照图1，经典的支持向量机(SVM)的理论最初来自对数据分类问题的处理，在经典机器学习中有极为重要的地位，其基本的思想是通过一个超平面将不同类别的数据划分开来。对于数据分类问题，如果采用通用的神经网络方法来实现,其机理可以简单地描述为：系统随机产生一个超平面并移动它，直到训练集中属于不同分类的点正好位于平面的不同侧面。这种处理机制决定了用神经网络方法进行数据分类最终获得的分割平面将相当靠近训练集中的点,而在绝大多数情况下，并不是一个最优解。为此SVM考虑寻找一个满足分类要求的分割平面、并使训练集中的点距离该分割平面尽可能地远，即寻找一个分割平面,使其两侧的空白区域(margin)最大。
[0003]尽管现有的SVM通过核函数可以应对非线性分类问题，但是面对金融、生物医药、天文测量等各类场景中的大规模数据分析的需要，该数据集在某种意义上更加复杂或抽象，对经典SVM的分类精度要求提高，因此本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于量子SVM处理分类问题的方法，其特征在于，包括：将待分类问题映射到二元二次优化模型上；以及基于所述二元二次优化模型求得能量最小值。2.根据权利要求1所述的方法，其特征在于：其还包括将所述二元二次优化模型转化为能量函数。3.根据权利要求2所述的方法，其特征在于：所述能量函数为：E＝∑
i≤j
a
i
Q
ij
a
j
其中，a
i
、a
j
∈{0,1}为二进制变量，Q
ij
为权重矩阵。4.根据权利要求2所述的方法，其特征在于：其中，所述能量函数通过如下步骤得到：步骤S1...

【专利技术属性】
技术研发人员：马弘立，
申请(专利权)人：上海图灵智算量子科技有限公司，
类型：发明
国别省市：