量子科技中心_量科网

核方法作为机器学习中捕捉数据背后非线性模式的强大工具，量子核将核理论与量子计算相结合，引起了广泛关注。然而，现有研究在处理具有局部结构模式的复杂数据时遇到了性能瓶颈，这源于单视图特征表示的局限性以及对全局数据结构的过度依赖。本文中，研究人员提出了一种结合局部信息的量子多视图核学习方法，称为L-QMVKL。具体而言，基于多核学习这一多视图数据处理的代表性方法，研究人员构建了量子多核，结合了特定视图的量子核，以有效融合跨视图信息。进一步利用局部信息捕捉内在结构信息，研究人员设计了一种顺序训练策略，通过使用混合全局-局部核对齐来优化量子电路参数和权重系数。研究人员在Mfeat数据集上通过全面的数值模拟评估了L-QMVKL的有效性，展示了通过利用多视图方法和局部信息实现的显著精度提升。同时，结果表明，L-QMVKL的精度高于其经典对应方法。该工作有望推动对量子核方法的理论和实践理解的进一步发展。