基于Grover搜索算法的量子神经网络聚类方法及终端

本发明公开的基于Grover搜索算法的量子神经网络聚类方法及终端，将样本数据和初始神经元权重转换为样本量子态和权重量子态，从而通过量子交换测试操作和量子振幅估计计算二者之间的相似度，使得样本数据和初始神经元权重能够利用量子叠加性并行估计相似度。而后根据相似度以及Grover搜索算法确定优胜神经元权重的索引标签集合，基于索引标签集合迭代更新初始神经元权重直至达到最大迭代次数。最后迭代得到基于目标量子神经网络聚类模型对输入数据进行聚类分析。本发明利用量子叠加性、量子纠缠性和量子Grover搜索算法实现相似度量化以及索引标签集合的提取，加速了神经网络聚类模型的训练过程，使得数据聚类具有一定的时效性，更加满足使用需求。