[发明专利]数据分类方法、分类器训练方法及系统

权利要求书

1.一种数据分类方法，其特征在于，所述方法包括：

经典计算机获取待分类数据；将所述待分类数据提供给量子计算机；

所述量子计算机通过量子电路对所述待分类数据进行特征映射，得到所述待分类数据的量子态；将分类器的边界向量中的各个第一向量元素与所述第一向量元素对应的索引信息的量子态的乘积之和，确定为第一量子态，所述索引信息用于指示本次训练使用的训练数据，所述第一向量元素是指所述边界向量中的第c个向量元素，c为所述索引信息；计算所述第一量子态和所述待分类数据的量子态之间的内积，得到估算结果；将所述估算结果发送给所述经典计算机；其中，所述第一向量元素对应的索引信息的量子态是指所述分类器在训练过程中使用的训练数据的特征图的叠加；

所述经典计算机根据所述估算结果，确定所述待分类数据对应的分类结果。

2.根据权利要求1所述的方法，其特征在于，所述量子计算机通过量子电路对所述待分类数据进行特征映射，得到所述待分类数据的量子态，包括：

所述量子计算机通过所述量子电路根据所述待分类数据的特征图中的各个特征值和所述特征值对应的量子态的乘积之和，确定所述待分类数据的量子态。

3.根据权利要求1所述的方法，其特征在于，所述经典计算机根据所述估算结果，确定所述待分类数据对应的分类结果，包括：

响应于所述估算结果为正值，所述经典计算机确定所述待分类数据属于第一类别；

响应于所述估算结果为负值，所述经典计算机确定所述待分类数据属于第二类别。

4.根据权利要求1至3任一项所述的方法，其特征在于，

所述待分类数据包括字符，所述分类结果包括所述字符对应的字符识别结果；

或者，

所述待分类数据包括医学诊断图像，所述分类结果包括所述医学诊断图像对应的图像识别结果；

或者，

所述待分类数据包括社交应用中的文本信息，所述分类结果包括所述文本信息对应的情绪识别结果；

或者，

所述待分类数据包括分子信息，所述分类结果包括所述分子信息对应的性质识别结果；

或者，

所述待分类数据包括材料信息，所述分类结果包括所述材料信息对应的性质识别结果。

5.一种分类器训练方法，其特征在于，所述方法包括：

经典计算机获取训练数据集，所述训练数据集包括m个训练数据以及所述训练数据对应的标准标签，所述m为正整数；

量子计算机计算工作集中每两个索引信息的量子态的内积，生成内积集合；其中，所述工作集中包括至少两个索引信息，所述索引信息用于指示本次训练使用的训练数据，所述索引信息的量子态是指所述本次训练使用的训练数据的特征图的叠加；

所述经典计算机根据所述内积集合生成矩阵；将所述矩阵映射到半正定锥上，得到半正定矩阵；根据所述半正定矩阵和所述训练数据的数量m，生成分类器的优化问题；在所述分类器的第t次训练中，确定所述分类器的初始边界向量；将所述初始边界向量提供给所述量子计算机，所述t为正整数，所述初始边界向量是所述分类器的优化问题的初始答案；

所述量子计算机根据所述第t次训练中各轮循环过程的训练数据的量子态、所述初始边界向量和所述第t次训练使用的工作集中的索引信息的量子态，确定所述第t次训练中各轮循环过程的预测估算结果；

所述经典计算机根据所述第t次训练中各轮循环过程的预测估算结果，生成新增的索引信息；将所述新增的索引信息添加至所述工作集中；其中，更新后的工作集用于进行所述分类器的下一次训练。