基于量子進化計算的數據聚類和圖像分割.pdf

1、20世紀90年代中期，量子計算(Quantum Computing，QC)的研究引起了人們廣泛的關注。借鑒量子態(tài)的疊加，糾纏和并行等特性，人們將進化計算(EvolutionaryComputation，EC)與量子計算相融合，出現了一種量子進化計算(Quantum-InspiredEvolutionary Computation，QEA)。它建立在量子態(tài)矢量表達的基礎上，將量子比特的概率幅表示方式應用于染色體的編碼，使一個染色體可以表達

2、多個模態(tài)的疊加，從而比進化計算更具有并行性。鑒于量子進化計算的這些特性，我們針對數據聚類和圖像分割問題進行深入的研究，并取得了較好的效果。本文的主要工作為：
　　 提出了一種基于量子進化計算的數據聚類方法。在量子進化計算中，用量子旋轉門來更新種群，但是旋轉角度的選擇是離散，不連續(xù)的，使問題的搜索容易陷入局部最優(yōu)。因此，本文提出了一種改進的量子旋轉門，采用自適應計算旋轉角度的方法，使種群能夠具有比較好的全局搜索能力，同時使種群能夠

3、跳出局部最優(yōu)，本文對旋轉后的概率幅進行了修正。針對數據聚類問題，與改進之前的算法及一些其他的進化算法相比，本文方法在聚類正確率上有了很大的改善。同時，針對具有對稱分布的數據集，在統(tǒng)一采用對稱距離測度后，本文的方法也取得了較好的效果。
　　 提出了一種基于量子進化與高斯混合模型的無監(jiān)督圖像分割算法(QEAGMM)。針對基于高斯混合模型(Gaussian Mixture Model，GMM)的圖像分割算法中，模型參數的標準訓練方法-