基于量子计算的谱聚类方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术公开了一种基于量子计算的谱聚类方法、装置、电子设备及存储介质，方法包括：获取待聚类的数据集，分别制备数据集内所有数值的量子态，并将所有数值的量子态每两个作为第一预设量子线路的初态；运行并测量第一预设量子线路，第一预设量子线路用于计算量子态间的相似度；根据测量结果得到量子态间的相似度，基于相似度构建用于谱聚类的拉普拉斯矩阵；根据拉普拉斯矩阵，确定数据集对应的待聚类样本，并根据待聚类样本完成谱聚类。利用本发明专利技术实施例，能够将量子计算与谱聚类算法进行结合，发挥量子计算的并行加速优势，降低处理传统谱聚类任务时所需要的计算量。统谱聚类任务时所需要的计算量。统谱聚类任务时所需要的计算量。

【技术实现步骤摘要】
基于量子计算的谱聚类方法、装置、电子设备及存储介质


[0001]本专利技术涉及量子计算
，尤其涉及一种基于量子计算的谱聚类方法、装置、电子设备及存储介质。

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]目前，谱聚类算法是聚类算法中对于分布较稀疏的点聚类效果比较好的一种聚类算法，谱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，谱聚类算法处理数据需要的计算复杂度也会变大，如何降低谱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]本专利技术提供了一种基于量子计算的谱聚类方法、装置、电子设备及存储介质，将量子计算与谱聚类算法进行结合，发挥量子计算的并行加速优势，降低处理传统谱聚类任务时所需要的计算量。
[0005]第一方面，本专利技术实施例提供一种基于量子计算的谱聚类方法，包括：获取待聚类的数据集，分别制备所述数据集内所有数值的量子态，并将所述所有数值的量子态每两个作为第一预设量子线路的初态；运行并测量所述第一预设量子线路，所述第一预设量子线路用于计算所述量子态间的相似度；根据测量结果得到所述量子态间的相似度，基于所述相似度构建用于谱聚类的拉普拉斯矩阵；根据所述拉普拉斯矩阵，确定所述数据集对应的待聚类样本，并根据所述待聚类样本完成谱聚类。
[0006]可选地，所述根据测量结果得到所述量子态间的相似度，基于所述相似度构建用于谱聚类的拉普拉斯矩阵，包括：根据所述量子态间的相似度生成与所述数据集对应的相似矩阵；根据所述相似矩阵的对角线生成度矩阵，并根据所述相似矩阵与所述度矩阵构建拉普拉斯矩阵。
[0007]可选地，所述根据所述拉普拉斯矩阵，确定所述数据集对应的待聚类样本，包括：将所述拉普拉斯矩阵按照预设方式标准化，计算所述标准化后的拉普拉斯矩阵的n个特征向量，将所述n个特征向量作为待聚类样本。
[0008]可选地，所述根据所述待聚类样本进行谱聚类，包括：分别计算每个所述特征向量与其他n
‑
1个特征向量的距离；
根据所述距离以及第一预设条件对所述待聚类样本进行簇的划分，其中，所述第一预设条件包括簇的个数以及每个簇对应簇心。
[0009]可选地，所述方法还包括：判断划分后的所述簇是否满足第二预设条件；若不满足所述第二预设条件，则更新所述簇心并根据更新后的簇心重新计算所述相似度。
[0010]可选地，所述判断划分后的所述簇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，判断为满足第二预设条件；若所述次数小于第一预设值，则判断为不满足第二预设条件。
[0011]可选地，所述判断划分后的所述簇是否满足第二预设条件，包括：获取所述簇心的更新对应的偏移距离；若所述偏移距离小于第二预设值，则判断为满足第二预设条件；若所述偏移距离不小于第二预设值，则判断为不满足第二预设条件。
[0012]第二方面，本专利技术实施例提供一种基于量子计算的谱聚类装置，包括：获取单元，用于获取待聚类的数据集，分别制备所述数据集内所有数值的量子态，并将所述所有数值的量子态每两个作为第一预设量子线路的初态；运行单元，用于运行并测量所述第一预设量子线路，所述第一预设量子线路用于计算所述量子态间的相似度；构建单元，用于根据测量结果得到所述量子态间的相似度，基于所述相似度构建用于谱聚类的拉普拉斯矩阵；确定单元，用于根据所述拉普拉斯矩阵，确定所述数据集对应的待聚类样本，并根据所述待聚类样本完成谱聚类。
[0013]第三方面，本专利技术实施例提供一种电子设备，包括处理器、存储器、通信接口以及一个或多个程序，其中，上述一个或多个程序被存储在上述存储器中，并且被配置由上述处理器执行，上述程序包括用于执行本专利技术实施例第一方面所述的方法中的步骤的指令。
[0014]第四方面，本专利技术实施例提供了一种计算机可读存储介质，其中，上述计算机可读存储介质存储用于电子数据交换的计算机程序，其中，上述计算机程序使得计算机执行如本专利技术实施例第一方面所述的方法中所描述的部分或全部步骤。
[0015]第五方面，本专利技术实施例提供了一种计算机程序产品，其中，上述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，上述计算机程序可操作来使计算机执行如本专利技术实施例第一方面所述的方法中所描述的部分或全部步骤。该计算机程序产品可以为一个软件安装包。
[0016]第六方面，本专利技术实施例提供了一种量子计算机操作系统，其中，上述量子计算机操作系统根据本专利技术实施例第一方面所述的方法中所描述的部分或全部步骤实现基于量子计算的谱聚类的处理。
[0017]可见，本专利技术提供的一种基于量子计算的谱聚类方法，通过获取待聚类的数据集，分别制备数据集内所有数值的量子态，并将所有数值的量子态每两个作为第一预设量子线路的初态；运行并测量第一预设量子线路，第一预设量子线路用于计算量子态间的相似度；
根据测量结果得到量子态间的相似度，基于相似度构建用于谱聚类的拉普拉斯矩阵；根据拉普拉斯矩阵，确定所述数据集对应的待聚类样本，并根据所述待聚类样本完成谱聚类，从而实现将量子计算与谱聚类算法的结合，以发挥量子计算的并行加速优势，降低处理传统谱聚类任务时所需要的计算量。
附图说明
[0018]图1为本专利技术实施例提供的基于量子计算的谱聚类方法的一个流程示意图；图2为本专利技术实施例提供的基于量子计算的谱聚类方法的另一流程示意图；图3为本专利技术实施例提供的一种量子线路示意图；图4为本专利技术实施例提供的另一种量子线路示意图；图5为本专利技术实施例提供的基于量子计算的谱聚类装置的一种结构示意图；图6为本专利技术实施例提供的基于量子计算的谱聚类方法计算机终端的硬件结构框图。
具体实施方式
[0019]下面通过参考附图描述的实施例是示例性的，仅用于解释本专利技术，而不能解释为对本专利技术的限制。
[0020]本专利技术的实施例提供了一种基于量子计算的谱聚类方法、装置、电子设备及存储介质，本专利技术可以将量子计算与谱聚类算法进行结合，发挥量子计算的并行加速优势，用于降低处理传统谱聚类任务时所需要的计算量。
[0021]需要说明的是，本专利技术实施例所指量子程序，即是经典语言编写的表征量子比特及其演化的程序，其中与量子计算相关的量子比特、量子逻辑门等等均有相应的经典代码表示。
[0022]量子线路作为量子程序的一种体现方式，也称量子逻辑线路，是最常用的通用量子计算模型，表示在抽象概念下对于量子比特进行操作的线路，其组成包括量子比特、线路（时间线），以及各种量子逻辑门，最后常需要通过量子测量操作将结果读取出来。量子线路的展现方式可以是按一定执行时序排列的量子逻辑门序列。
[0023]不同于传统电路是用金属线所连接以传递电压信号或电流信号，在量子线路中，线路可看成是由时本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于量子计算的谱聚类方法，其特征在于，包括：获取待聚类的数据集，分别制备所述数据集内所有数值的量子态，并将所述所有数值的量子态每两个作为第一预设量子线路的初态；运行并测量所述第一预设量子线路，所述第一预设量子线路用于计算所述量子态间的相似度；根据测量结果得到所述量子态间的相似度，基于所述相似度构建用于谱聚类的拉普拉斯矩阵；根据所述拉普拉斯矩阵，确定所述数据集对应的待聚类样本，并根据所述待聚类样本完成谱聚类。2.根据权利要求1所述的方法，其特征在于，所述根据测量结果得到所述量子态间的相似度，基于所述相似度构建用于谱聚类的拉普拉斯矩阵，包括：根据所述量子态间的相似度生成与所述数据集对应的相似矩阵；根据所述相似矩阵的对角线生成度矩阵，并根据所述相似矩阵与所述度矩阵构建拉普拉斯矩阵。3.根据权利要求1所述的方法，其特征在于，所述根据所述拉普拉斯矩阵，确定所述数据集对应的待聚类样本，包括：将所述拉普拉斯矩阵按照预设方式标准化，计算所述标准化后的拉普拉斯矩阵的n个特征向量，将所述n个特征向量作为待聚类样本。4.根据权利要求3所述的方法，其特征在于，所述根据所述待聚类样本完成谱聚类，包括：分别计算每个所述特征向量与其他n
‑
1个特征向量的距离；根据所述距离以及第一预设条件对所述待聚类样本进行簇的划分，其中，所述第一预设条件包括簇的个数以及每个簇对应簇心。5.根据权利要求4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是否满足第二预设条件；若不满足所述第二预设条件，则更新所述簇心并根据更新后的簇心重新计算所述相似度。6.根据...

【专利技术属性】
技术研发人员：方圆，王伟，李蕾，窦猛汉，
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：