基于量子计算的数据聚类方法、装置及量子计算机制造方法及图纸

本申请公开了基于量子计算的数据聚类方法、装置及量子计算机，该方法包括：分别制备待聚类数据的量子态，计算所述量子态间的相似度，所述相似度用于表示对应的所述待聚类数据之间的距离，根据所述相似度将所述量子态进行簇的划分，将相似度满足第一预设条件的所述待聚类数据划分至同一所述簇，所述簇为所述待聚类数据的集合。利用本发明专利技术实施例，可以将量子计算与聚类算法进行结合，发挥量子计算的并行加速优势，用于降低处理传统聚类任务时所需要的计算量。的计算量。的计算量。

【技术实现步骤摘要】
基于量子计算的数据聚类方法、装置及量子计算机


[0001]本申请涉及量子计算
，尤其涉及基于量子计算的数据聚类方法、装置及量子计算机。

技术介绍

[0002]聚类算法是一种经典的无监督机器学习方法，对于给定的样本集，按照样本之间的距离大小，将样本集划分为K个簇。让簇内的点尽量紧密的连在一起，而让簇间的距离尽量的大，其作用是将具有相似特征的样本聚为一类。
[0003]聚类算法需要处理的数据量与样本的数量正相关，当样本的数量足够大时，聚类算法处理数据需要的计算复杂度也会变大，如何降低聚类算法的计算复杂度就成为了一个亟待解决的问题。

技术实现思路

[0004]本申请提供了基于量子计算的数据聚类方法、装置及量子计算机，将量子计算与聚类算法进行结合，发挥量子计算的并行加速优势，用于降低处理传统聚类任务时所需要的计算量。
[0005]第一方面，本申请实施例提供一种基于量子计算的数据聚类方法，包括：
[0006]分别制备待聚类数据的量子态；
[0007]计算所述量子态间的相似度，所述相似度用于表示对应的所本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于量子计算的数据聚类方法，其特征在于，包括：分别制备待聚类数据的量子态；计算所述量子态间的相似度，所述相似度用于表示对应的所述待聚类数据之间的距离；根据所述相似度将所述量子态进行簇的划分，将相似度满足第一预设条件的所述待聚类数据划分至同一所述簇，所述簇为所述待聚类数据的集合。2.根据权利要求1所述的方法，其特征在于，所述根据相似度将所述量子态进行划分之前，所述方法还包括：确定簇的个数k以及与所述k个簇分别对应的k个簇心。3.根据权利要求1所述的方法，其特征在于，所述方法还包括：判断划分后的所述簇与所述待聚类数据是否满足第二预设条件；若不满足所述预设条件，则更新所述簇心并重新计算所述相似度。4.根据权利要求3所述的方法，其特征在于，判断划分后的所述簇与所述待聚类数据是否满足第二预设条件包括：获取所述簇心更新的次数；若所述次数不小于第一预设值，判定为满足条件并停止更新所述簇心；若所述次数小于第一预设值，则判定为不满足条件。5.根据权利要求3所述的方法，其特征在于，判断划分后的所述簇与所述待聚类数据是否满足第二预设条件包括：获取所述簇心的更新偏移距离；若所述偏移距离小于第一预设值，则判定为满足条件并停止更新所述簇心；若所述偏移距离大于第二预设值，则判定为不满足条件。6.根据权利要求1所述的方法，其特征在于，计算所述量子态的相似度包括：根据预设量子逻辑门构建...

【专利技术属性】
技术研发人员：方圆，王伟，李蕾，
申请(专利权)人：合肥本源量子计算科技有限责任公司，
类型：发明
国别省市：