论文目录 | |
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究现状 | 第11-13页 |
| 1.3 主要研究内容和结构安排 | 第13-15页 |
| 第二章 量子分类电路的设计 | 第15-42页 |
| 2.1 基于量子k近邻算法的量子分类电路设计 | 第15-26页 |
| 2.1.1 经典k近邻算法 | 第15-17页 |
| 2.1.2 基于量子k近邻算法设计量子分类电路 | 第17-26页 |
| 2.2 基于量子k-means算法的量子分类电路设计 | 第26-30页 |
| 2.2.1 经典k-means算法 | 第27页 |
| 2.2.2 基于量子k-means算法设计量子分类电路 | 第27-30页 |
| 2.3 基于量子感知机算法的量子分类电路设计 | 第30-40页 |
| 2.3.1 经典感知机算法 | 第31-33页 |
| 2.3.2 基于量子感知机算法设计量子分类电路 | 第33-40页 |
| 2.4 本章小结 | 第40-42页 |
| 第三章 量子分类电路在网络中的仿真应用 | 第42-58页 |
| 3.1 仿真平台介绍 | 第42页 |
| 3.2 网络流分类实验数据 | 第42-43页 |
| 3.3 基于量子k近邻算法的网络流分类仿真实验 | 第43-49页 |
| 3.3.1 求解网络流间距离 | 第44-47页 |
| 3.3.2 搜索最相似k条网络流 | 第47-48页 |
| 3.3.3 仿真实验结果 | 第48-49页 |
| 3.4 基于量子k-means算法的网络流分类仿真实验 | 第49-52页 |
| 3.4.1 求解网络流与簇中心距离 | 第49-50页 |
| 3.4.2 搜索最相似簇 | 第50-51页 |
| 3.4.3 仿真实验结果 | 第51-52页 |
| 3.5 基于量子感知机算法的网络流分类仿真实验 | 第52-57页 |
| 3.5.1 训练量子感知机模型 | 第52-55页 |
| 3.5.2 仿真实验结果 | 第55-57页 |
| 3.6 本章小结 | 第57-58页 |
| 第四章 量子分类电路在真实量子计算设备上的实验 | 第58-71页 |
| 4.1 实验环境介绍 | 第58-60页 |
| 4.2 基于量子k近邻算法设计的量子分类电路在真实设备上的实验 | 第60-65页 |
| 4.2.1 计算数据间特征距离的量子电路 | 第60-63页 |
| 4.2.2 搜索最小值的量子电路 | 第63-65页 |
| 4.3 基于量子k-means算法设计的量子分类电路在真实设备上的实验 | 第65-68页 |
| 4.4 基于量子感知机算法设计的量子分类电路在真实设备上的实验 | 第68-69页 |
| 4.5 本章小结 | 第69-71页 |
| 第五章 总结与展望 | 第71-73页 |
| 5.1 工作总结 | 第71-72页 |
| 5.2 工作展望 | 第72-73页 |
| 参考文献 | 第73-77页 |
| 致谢 | 第77-78页 |
| 攻读学位期间发表的学术论文目录 | 第78页 |
