[发明专利]一种基于量子模糊信息的数据分类系统及方法

权利要求书

1.一种基于量子模糊信息的数据分类系统，其特征在于：包括量子模糊化输入模块、改进模糊支持向量机分类模块和输出模块；

所述量子模糊化输入模块设置为将问题域中的模糊元素量子化后传递给所述改进模糊支持向量机分类模块；

所述改进模糊支持向量机分类模块设置为利用改进的量子化模糊支持向量机对量子化模糊元素进行分类，并将分类结果传递给输出模块；

所述输出模块将量子化的分类结果解码后转化为可识别内容显示；

所述改进的量子化模糊支持向量机是将二次规划问题转化为线性方程组求解问题，并进行量子化处理的模糊支持向量机。

2.如权利要求1所述的数据分类系统，其特征在于：所述量子模糊化输入模块包括模糊化单元和量子化单元；

所述模糊化单元设置为将输入的模糊元素x_i转化为直觉模糊集A，其中A＝{x_i,μ_A(x_i),υ_A(x_i)|x_i∈X}，μ_A(x_i)为x_i对直觉模糊集A的隶属度，v_A(x_i)为x_i对直觉模糊集A的非隶属度；

所述量子化单元设置为将直觉模糊集A中所有元素在满足量子态归一化的条件下，加载到量子态上，得到量子直觉模糊集；其中，量子化的模糊元素x_i为其中，π_A(x_i)＝1-μ_A(x_i)-v_A(x_i)，为x_i对直觉模糊集A的犹豫度。

3.如权利要求1所述的数据分类系统，其特征在于，所述改进模糊支持向量机分类模块包括：量子模糊集编码单元、分类函数设计单元和改进模糊支持向量机单元；

所述量子模糊集编码单元设置为接收量子直觉模糊集，设定模糊训练集D＝{x_i,y_i,μ_i(x_i)|x_i∈X}，其中，y_i∈{+1,-1}；将模糊元素x_i的m个特征向量编码到量子概率幅，制备量子态的模糊训练集|D；

所述分类函数设计单元设置为根据所述模糊训练集|D中的样本，构造基于距离的最优分类函数及其隶属度函数；

所述改进模糊支持向量机单元设置为将传统二次规划问题转化为线性方程组求解问题，载入所述隶属度函数，利用所述模糊训练集|D中的样本完成训练，并将分类结果输出到所述输出模块。

4.如权利要求3所述的数据分类系统，其特征在于：所述改进模糊支持向量机还包括使用量子交换门求解的核函数。

5.如权利要求3所述的数据分类系统，其特征在于，所述将二次规划问题转化为线性方程组求解问题的方法为：

引入拉格朗日函数求解二次规划问题的决策函数，引入最小二乘法将决策函数转换为线性方程组：

其中，为核函数，γ为惩罚参数，k为待定参数，π＝diag(π₁,π₂,...,π_i)，μ＝diag(μ₁,μ₂,...,μ_i)。