利用量子启发式计算技术聚类时间序列图像的方法

May, 2023

利用量子启发式计算技术聚类时间序列图像的方法

Clustering Method for Time-Series Images Using Quantum-Inspired Computing Technology

Tomoki Inoue, Koyo Kubota, Tsubasa Ikami, Yasuhiro Egami, Hiroki Nagai...

TL;DR本研究提出了一种利用退火机的新型时间序列聚类方法，对时间序列数据进行分类的同时，具有去除异常值的鲁棒性。与现有的聚类方法相比，该方法在分类结果上获得了更好的表现。

Abstract

time-series clustering serves as a powerful data mining technique for time-series data in the absence of prior knowledge about clusters. A large amount of time-series data with large size has been acquired and used in various research fields. Hence, clustering method with low computati

time-series clustering quantum-inspired computing simulated annealing machine classification outliers

发现论文，激发创造

量子视觉聚类

我们提出了首个适用于 AQC 的聚类问题形式，该方法在当前量子计算机代际已经可解，并通过使用整数规划求解器与现有的基于优化的方法相比具有竞争力。

Sep, 2023

量子变分和量子启发式聚类

本研究提出了一种基于变分量子电路的量子算法，用于对数据进行聚类；该算法可以将数据分类为多个聚类，并且可以在少量量子比特的嘈杂中间量子计算设备上轻松实现。

Jun, 2022

随机卷积核的时间序列聚类

该论文介绍了一种基于随机卷积结构的时间序列聚类方法，通过自动化特征提取技术和聚类算法对时间序列进行分类，从而在时间序列聚类基准测试中取得了优异结果。

May, 2023

q-means：一种用于无监督机器学习的量子算法

本研究介绍了 q-means 算法，一种用于聚类的新型量子算法，该算法具有与 $k$-means 类似的收敛性和精度保证，并且输出 $k$ 个集群中心的好近似值。此算法的运行时间呈多项式级别，优于经典算法，尤其适用于大型数据集。

Dec, 2018

基于 GPU 并行算法的图分析：量子聚类

本文介绍了一种新的方法，将量子聚类应用于图结构中，通过构建潜函数采用图梯度下降算法找到聚类中心，利用 GPU 并行计算势能值来评估方法性能，实验结果表明该方法具有优异的性能，最后还研究了 σ 对实验结果的影响。

May, 2023

基于片段类型特征化的时间序列聚类

该研究提出一种基于两阶段聚类的时间序列聚类新技术，其中使用最小二乘多项式分段过程对每个时间序列进行分段，并将它们映射到相同维度的空间中进行一系列的聚类过程，最终结果很有前途，并在与两种最新方法相比较时显示出性能表现优异。

Oct, 2018

基于退火量子玻尔兹曼机的大规模图像分类的迁移学习

利用量子迁移学习 (QTL) 和量子退火 (QA) 的混合量子经典方法，通过将量子玻尔兹曼机引入混合量子经典管道，实现了对大规模医学图像的监督学习，取得了比传统迁移学习更好的分类性能。

Nov, 2023

聚类的计算理论与半监督算法

提出了一种计算理论和半监督聚类算法，将聚类定义为根据所选的聚类原则和度量方法获得数据分组，使每个组不包含异常值，所有其他示例被认为是边缘点，孤立的异常值、异常簇或未知簇。

Jun, 2023

基于信息的聚类

该研究采用信息理论的视角来重新构造聚类问题，避免了许多现有聚类方法所依赖的非常规结构的假设，且捕捉了非线性关系。基于集体相似度而非传统的成对度量，该方法在不同领域内都表现出比现有算法更高的聚类一致性。

Nov, 2005

快照谱聚类 —— 一种生成深度聚类集合的零成本方法

本文探讨了如何通过使用深度学习技术和多视图融合的集成学习方法来改善聚类结果，提出了一种新的快照谱聚类集成方法（Snapshot Spectral Clustering），实验结果表明该方法有效地提高了聚类性能和减少了计算成本。

Jul, 2023