本书介绍量子数据挖掘算法领域的研究现状, 重点针对若干重要数据挖掘问题介绍求解它们的量子算法。首先, 针对关联规则挖掘的核心任务--从候选项集中找出频繁项集, 介绍一个量子关联规则挖掘算法; 其次, 基于最著名的主成分分析数据降维算法, 介绍一个量子数据降维算法; 再次, 针对岭回归--一种通过对一般线性回归引入规范化以分析多重共线性数据的线性回归方法, 介绍一个量子岭回归算法; 最后, 基于近年接受的一个知名经典视觉追踪算法, 介绍一个量子视觉追踪算法。

前言

第1章 绪论

1．1 背景和意义

1．2 研究现状

1．2．1 量子数据分类算法

1．2．2 量子线性回归算法

1．2．3 量子聚类算法

1．2．4 量子降维算法

1．2．5 其他量子算法

1．3 章节安排及主要内容

第2章 量子计算基础知识

2．1 量子信息

2．1．1 量子比特

2．1．2 测量

2．2 量子电路

2．2．1 单量子比特门

2．2．2 受控量子门

2．2．3 通用量子门

2．3 基础量子算法

2．3．1 哈密顿量模拟

2．3．2 量子傅里叶变换

2．3．3 相位估计

2．3．4 幅度放大

2．3．5 量子交换测试

第3章 量子关联规则挖掘算法

3．1 经典关联规则挖掘回顾

3．2 量子算法

3．2．1 构建量子黑盒

3．2．2 算法设计

3．2．3 复杂度分析

第4章 基于主成分分析的量子数据降维算法

4．1 经典主成分分析回顾

4．2 量子算法

4．2．1 算法设计

4．2．2 复杂度分析

4．3 在量子机器学习中的应用

4．3．1 量子支持向量机

4．3．2 量子线性回归预测

……

第5章 量子岭回归算法

第6章 量子视觉追踪算法

第7章 总结与展望

附录

参考文献