HARLI CQUINN:面向K均值的高调整随机性线性复杂度量子启发网络

该研究团队对比了量子k均值算法的最小化实现与经典k均值算法。通过经典模拟实验,研究人员展示了该量子算法的性能达到或超越经典k均值算法。该工作针对知名数据集和实验数据集分别提供了算法准确度的基准测试结果。尽管量子k均值算法已有大量研究,但该方法揭示了先前未被探索的改进方向——其编码步骤可采用最小化设计,使得经典数据能比现有方法更直接地导入量子态。实验表明,这种受量子启发的算法在准确度和调整兰德指数(ARI)方面均优于原始经典k均值算法。通过研究多种编码策略,该团队为量子计算聚类技术提供了更精细的见解。
提交arXiv: 2025-09-23 02:32

量科快讯