本書介紹量子數(shù)據(jù)挖掘算法領(lǐng)域的研究現(xiàn)狀, 重點(diǎn)針對若干重要數(shù)據(jù)挖掘問題介紹求解它們的量子算法。首先, 針對關(guān)聯(lián)規(guī)則挖掘的核心任務(wù)--從候選項(xiàng)集中找出頻繁項(xiàng)集, 介紹一個量子關(guān)聯(lián)規(guī)則挖掘算法; 其次, 基于最著名的主成分分析數(shù)據(jù)降維算法, 介紹一個量子數(shù)據(jù)降維算法; 再次, 針對嶺回歸--一種通過對一般線性回歸引入規(guī)范化以分析多重共線性數(shù)據(jù)的線性回歸方法, 介紹一個量子嶺回歸算法; 最后, 基于近年接受的一個知名經(jīng)典視覺追蹤算法, 介紹一個量子視覺追蹤算法。
前言
第1章 緒論
1.1 背景和意義
1.2 研究現(xiàn)狀
1.2.1 量子數(shù)據(jù)分類算法
1.2.2 量子線性回歸算法
1.2.3 量子聚類算法
1.2.4 量子降維算法
1.2.5 其他量子算法
1.3 章節(jié)安排及主要內(nèi)容
第2章 量子計(jì)算基礎(chǔ)知識
2.1 量子信息
2.1.1 量子比特
2.1.2 測量
2.2 量子電路
2.2.1 單量子比特門
2.2.2 受控量子門
2.2.3 通用量子門
2.3 基礎(chǔ)量子算法
2.3.1 哈密頓量模擬
2.3.2 量子傅里葉變換
2.3.3 相位估計(jì)
2.3.4 幅度放大
2.3.5 量子交換測試
第3章 量子關(guān)聯(lián)規(guī)則挖掘算法
3.1 經(jīng)典關(guān)聯(lián)規(guī)則挖掘回顧
3.2 量子算法
3.2.1 構(gòu)建量子黑盒
3.2.2 算法設(shè)計(jì)
3.2.3 復(fù)雜度分析
第4章 基于主成分分析的量子數(shù)據(jù)降維算法
4.1 經(jīng)典主成分分析回顧
4.2 量子算法
4.2.1 算法設(shè)計(jì)
4.2.2 復(fù)雜度分析
4.3 在量子機(jī)器學(xué)習(xí)中的應(yīng)用
4.3.1 量子支持向量機(jī)
4.3.2 量子線性回歸預(yù)測
……
第5章 量子嶺回歸算法
第6章 量子視覺追蹤算法
第7章 總結(jié)與展望
附錄
參考文獻(xiàn)