你知道什么是 q-means 吗？
原文中文，约400字，阅读约需1分钟。发表于：。改进版的 q-means 量子算法和 dequantized 算法，分别以 O ((k^2)/(ε^2)(√k*d + log (Nd))) 和 O ((k^2)/(ε^2)(kd + log (Nd))) 的时间复杂度在近似 k-means 聚类中取得优化，其中 k 代表簇数量，ε 代表误差率，N 代表向量数量，d 代表向量维度。
本文介绍了QRAM模型中解决k-均值聚类问题的量子逼近方案，运行时间仅依赖于数据点数量的对数多项式，能够高概率输出一个成本不超过(1+ε)倍最优解的k个中心集合。这是第一个具有对k-均值问题具有（1+ε）可证逼近保证且具有多项式对数运行时间的量子算法。与先前的无监督学习方法不同，该算法不需要量子线性代数子程序，与参数（如条件数）无关。
