论文部分内容阅读
为减少经典K最近邻算法的时间复杂度，提出了量子K最近邻算法（QKNN）。介绍了QKNN算法的构造步骤，然后为减少量子计数子程序的运行时间，进一步将固定的K值修改为可变的k，形成改进的k可变的量子最近邻算法（QkvNN）。为弥补由于最近邻个数K变化带来的分类错误率上升的影响，在Boosting算法框架下，用三个由QkvNN算法训练的弱分类器，去构造了一个强分类器，从而提高单独运行QkvNN的分类精度。在此算法中，由于利用了量子计算的强大能力，使得经典K最近邻算法的时间复杂度从O（N）减小为O（v/N）。