【技术实现步骤摘要】
一种针对软间隔支持向量机的量子方法
[0001]本专利技术涉及一种针对软间隔支持向量机的量子方法,属于量子计算和机器学习相结合的新型交叉
技术介绍
[0002]随着科技的发展,全球数据总量呈指数级别增长,这将对传统机器学习算法的计算性能提出了更高的要求。量子计算利用量子力学特有的性质(比如量子纠缠与叠加性),使得它在处理某些特定问题上相对于经典计算具有显著的加速优势,例如大数分解(P. W. Shor. Algorithns for quantun computation: discrete logarithms and factoring. Proceedings of the 35th Annual Synposium of Foundation of Computer Science, IEEE Press, Los Alamitos, CA, 1994),求解线性方程组(Phys.Rev.Lett.103,150502(2009))。近年来,各研究学者们专注于设计高效的量子算法来解决特定的机器学习问题,使其计算速度显著加快,进而涌现了一个全新的新型交叉领域—量子机器学习,并且该领域在量子主成分分析(Nature Physics,10,631(2016)),量子支持向量机(Phys.Rev.Lett.113,130503(2014)),量子神经网络(Phys.Rev.A.98,042308(2018))等实际应用上均取得了不错的研究成果。
[0003]支持向量机是机器学习领域中一类重要的分类算 ...
【技术保护点】
【技术特征摘要】
1.一种针对软间隔支持向量机的量子方法,其特征在于:按如下步骤A至步骤E,获得图像分类模型;应用图像分类模型,执行如下步骤i,针对待分类图片进行分类;步骤A. 基于已知分别对应正类标签或负类标签的各幅样本图片,分别针对各幅样本图片的维特征向量执行预处理,获得各幅样本图片的维新特征向量,其中,,表示样本图片的数量,,表示第幅样本图像的维特征向量,表示第幅样本图像的第维特征,表示第幅样本图像的维新特征向量,表示第幅样本图像的第维新特征,然后进入步骤B;步骤B. 根据软间隔支持向量机的目标函数,建立求取最优模型超平面参数的模型,然后进入步骤C;步骤C. 构建全部样本图片维新特征向量所对应的量子态,然后进入步骤D;步骤D. 根据求取最优模型超平面参数的模型、以及全部样本图片维新特征向量所对应的量子态,应用量子算法,结合模型目标函数所对应超平面参数的梯度经典信息,执行迭代运算,获得最优模型超平面参数,然后进入步骤E;步骤E. 构建获得图像分类模型为,其中,表示待分类图片的维新特征向量,表示符号函数;步骤i. 首先按步骤A中的方法,针对待分类图片的维特征向量执行预处理,获得待分类图片的维新特征向量,然后应用图像分类模型为,实现针对待分类图片的分类。2.根据权利要求1所述一种针对软间隔支持向量机的量子方法,其特征在于:所述步骤A中,分别针对各幅样本图片的维特征向量,按如下公式(1)执行预处理:
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)获得各幅样本图片的维新特征向量,其中,表示向量模长函数。3.根据权利要求1所述一种针对软间隔支持向量机的量子方法,其特征在于:所述步骤B中,根据软间隔支持向量机的目标函数,建立求取最优模型超平面参数的模型如下:
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)其中,,表示模型超平面参数,表示模型超平面参数的第维值,表示第幅样本图像所对应的分类标签值,表示第幅样本图像对应正类标签,表示第幅样本图像对应负类标签,表示预设常数。4.根据权利要求3所述一种针对软间隔支持向量机的量子方法,其特征在于:所述步骤
C中,将图像数据矩阵、以及分类标签向量存储于量子随机存储器中,基于量子随机存储器所允许时间,执行幺正算子;行幺正算子;
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(5)获得图像数据矩阵中全部列向量的量子态、图像数据矩阵中全部行向量的量子态、以及分类标签向量的量子态,其中,表示第幅样本图像所对应的分类标签值,表示第幅样本图像对应正类标签,表示第幅样本图像对应负类标签,表示图像数据矩阵中各幅样本图片对应第维新特征的列向量。5.根据权利要求4所述一种针对软间隔支持向量机的量子方法,其特征在于:所述步骤D包括如下步骤D1至步骤D2:步骤D1. 针对公式(3)中的进行求偏导数,获得模型目标函数相对于超平面参数所对应的梯度经典信息如下;
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4)其中,表示模型目标函数相对于超平面参数所对应第维的梯度经典信息,然后进入步骤D2;步骤D2. 根据全部样本图片维新特征向量所对应的量子态,应用量子算法,结合模型目标函数相对于超平面参数所对应的梯度经典信息,执行迭代运算,获得最优模型超平面参数,然后进入步骤E。6.根据权利要求...
【专利技术属性】
技术研发人员:秦素娟,刘海玲,张杰,高飞,温巧燕,李明柱,张胜,陈飞,陈静华,
申请(专利权)人:北京邮电大学,
类型:发明
国别省市:
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。