龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：中国人民解放军国防科技大学
摘要：基于QK‑means量子增强求解战役行动中平台聚类编组问题的方法，该方法针对经典K‑means算法中需要消耗较大计算资源的计算聚类数据样本与各聚类中心点之间的欧氏距离部分和计算聚类数据集的残差平方和部分，构建对应的量子线路进行求解，实现量子增强与加速；并在公共数据集上和具体的战役平台编组中对经典K‑means算法和基于QK‑means的量子增强求解方法进行仿真验证与分析，证实该方法能较好地解决联合作战战役行动中平台聚类编组问题，与经典K‑means算法相比，大幅度降低了时间复杂度和空间复杂度。
主权项：1.基于QK-means量子增强求解战役行动中平台聚类编组问题的方法，其特征在于，包括下列步骤：S1基于经典K-means算法，根据切割完成的任务簇数量确定平台聚类的类别数量，再以每个任务簇中所含任务的位置信息为基准，通过推导计算，求解出每个初始聚类中心点位置；S2以欧氏距离作为衡量平台数据与各聚类中心点间相似度的指标，对平台数据进行量子化处理，将平台数据转化成对应的量子态形式表示，根据理论推导将欧氏距离求解转化成量子态内积求解，通过设计构造通用的量子态内积求解量子线路完成对欧氏距离的求解；S3根据平台数据与各聚类中心之间的相似度，将各平台划归到对应的聚类中心并对聚类中心位置信息进行更新，不断迭代直至达到类簇的误差平方和数值或者预先设定的迭代阈值，完成聚类并取得平台聚类编组结果。
全文数据：
权利要求：
百度查询： 中国人民解放军国防科技大学 基于QK-means量子增强求解战役行动中平台聚类编组问题的方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号