الگوریتم k-means و نحوه اجرای آن به صورت کوانتومی

تحلیل خوشه یا خوشه بندی عبارت است از گروه بندی کردن داده ها به نحوی که نمونه های هر گروه مشابه ترین نمونه ها به هم هستند و همچنین بیشترین تفاوت را با نمونه های سایر خوشه ها دارند. الگوریتم خوشه بندی k-means یک روش تجزیه و تحلیل خوشه ای مبتنی بر فاصله است. خوشه بندی k-means یکی از ساده ترین تکنیک های طبقه بندی بدون نظارت است. این روش علی رغم سادگی آن یک روش پایه برای بسیاری از روش های خوشه بندی دیگر محسوب می شود. در این مقاله ابتدا الگوریتم کلاسیکی K-means را معرفی نموده و سپس به بیان این الگوریتم با رویکرد کوانتومی پرداختیم. همانطور که می دانیم الگوریتم K-means در خوشه بندی داده ها کاربرد فراوان دارد. در این مقاله با استفاده از تعریف فاصله اقلیدسی به زبان کوانتومی فاصله بین بردارهای حالت را از روی مراکز خوشه ها، محاسبه نموده و سپس به تعیین خوشه بندی پرداختیم و با به روز کردن مراکز خوشه ها به زبان کوانتومی توانستیم الگوی کوانتومی بهینه برای دسته بندی خوشه های نهایی را ارائه نماییم.

کلیدواژه ها:

کلمات کلیدی: الگوریتم K-means ، الگوریتم کوانتومی qK-means ، مراکز خوشه ، بردار حالت کوانتومی ، الگوریتم گراور ، فاصله اقلیدسی.