基于参数化角编码的量子K-means算法

结合K-means算法和角编码技术,提出了一种无需量子随机存储(QRAM)的量子K-means算法。该算法利用量子操作的并行性,仅需对数数量的时间复杂度就能完成数据的加载;并且通过对输入数据进行参数预处理操作,确定数据分量的参数阈值,解决了样本不同特征尺度差异的问题。该算法由编码数据、相似度度量、量子最小值搜索和质心迭代更新四个主要步骤组成,细致描述了这些步骤所涉及的算子和线路构建,并对关键线路进行了仿真模拟。实验结果和经典预测结果一致,验证了所提量子K-means算法的可靠性。此外,理论分析表明所提出算法相比于经典算法在运行时间上有平方级加速。

基于量子奇异值估计的岭回归算法

作为一种有监督学习算法,岭回归算法有着十分广泛的使用。本工作将量子奇异值估计与经典岭回归算法相结合,提出了一种量子岭回归算法。该算法利用量子计算的并行特性,实现了对岭回归拟合参数的求解以及预测值的获取。复杂度分析表明,所提算法有效解决了数据矩阵为非厄米矩阵时需要进行矩阵拓展或者矩阵运算的问题,与经典算法相比在运行时间上具有指数级加速。此外,本工作还给出了所提算法的量子电路图并对其关键步骤进行了仿真实验,实验结果验证了所提算法的有效性和可行性。

基于多角度多区域特征融合的苹果分类方法

日常生活中人们分拣辨别不同种类的苹果需要消耗大量的人力物力,为解决这一问题,提出了一种基于多角度多区域特征融合的苹果图像分类方法。首先,收集五类总共329个苹果,使用手机摄像头从上面、下面和3个不同侧面共五个角度采集每个苹果的图像,每个图像裁剪若干个(1~9)区域块;其次,每个区域块用颜色直方图向量来表示,多个区域块的直方图向量通过首尾相连进行融合,以此生成一个图像的表示;最后,将得到的329个样本数据用12种分类器进行分类比较。实验结果表明,当多角度多区域图像特征融合时,分类效果总是好于单角度单区域,而且越多越好;当使用5个角度的图像,每个图像裁剪9个区域时,偏最小二乘(PLS)分类器的分类精度达到97.87%,好于深度学习。所提方法操作简单、精度较高,算法复杂度为4n,n为图像裁剪区域块总数,可以推广成手机应用,并应用到更多水果和植物图像分类上。

基于量子计数的贝叶斯二元分类算法

贝叶斯分类算法是一种基于概率统计理论的有监督学习算法,常被用于分类问题中.本文将量子计数与经典贝叶斯分类算法相结合,提出一种新的量子贝叶斯分类算法.通过量子随机访问存储器制备所需的量子态,使用oracle进行相位翻转并构造与之所对应的操作算子,在操作算子的本征态空间上重新描述量子态,借助辅助粒子进行相位估计,投影测量后即可高效地计算出贝叶斯分类所需的数据,实现量子贝叶斯分类算法.该算法在低维特征空间中与经典算法相比有着指数级加速.

基于汉明距离的量子推荐算法

利用量子汉明距离提出一个基于内容的量子推荐算法。该算法利用量子力学特性对用户观看的历史电影属性并行求和,从而有效计算出用户的偏好属性,然后基于汉明距离得到新电影属性与其偏好属性的相似度,并快速查找到相似度高的新电影,完成推荐任务。分析表明所提出算法与经典算法相比在运行时间上有指数级加速。

Arbitrated quantum signature scheme based on reusable key

An arbitrated quantum signature scheme without using entangled states is proposed.In the scheme,by employing a classical hash function and random numbers,the secret keys of signer and receiver can be reused.It is shown that the proposed scheme is secure against several well-known attacks.Specifically,it can stand against the receiver’s disavowal attack.Moreover,compared with previous relevant arbitrated quantum signature schemes,the scheme proposed has the advantage of less transmission complexity.