文献

J-GLOBAL ID：202002284093417922   整理番号：20A2666934

インクリメンタル大データ並列マイニングにおける量子計算の応用【JST・京大機械翻訳】

Application of Quantum Computing in Incremental Parallel Mining of Large Data

著者 (3件)： Li Xiaofeng (黒竜江外国語学院信息工程系,哈爾浜150025) ,  Wang Yanwei (普度大学机械工程系,印第安納州西拉法叶市 IN47906) ,  Li Dong (哈爾浜工業大学計算机科学与技術学院,哈爾浜150001)
資料名： Jilin Daxue Xuebao (Xinxi Kexue Ban)  (Jilin Daxue Xuebao (Xinxi Kexue Ban))
巻： 38  号： 4  ページ： 457-466  発行年： 2020年 
JST資料番号： C3526A  ISSN： 1671-5896  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 従来の大規模データ並列マイニング方法は,すべてのデータをマイニングし,マイニング時間が長い,マイニング精度が低いなどの問題に対処するため,量子計算を用いて,インクリメンタル大規模データ並列マイニングのための最適化設計を行った。最初に,データマイニングの基本プロセスに従って,並列データマイニングモデルを構築する。次に,量子ビット,量子探索アルゴリズム,量子ニューラルネットワーク処理,および量子マッピング変換の4つのステップを定義することによって,インクリメンタルデータの前処理を実現して,マトリックスベクトルの相乗分解によってフィルタリング重みづけ組合せを得て,この組合せによって前処理結果の並列協調フィルタリングを実現した。最後に,インクリメンタル大規模データ並列マイニング結果を,量子ファジィクラスタリングによって得た。実験結果は,量子計算によるインクリメンタル大規模データ並列マイニング方式の平均想起率は97.25%であり,並列マイニング時間は2.13.2sの範囲にあり,精度は95%を超え,また,この方法の収束は最良で,最適化能力は強いことを示した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  ベクトル ,  最適設計 ,  前処理 ,  ニューラルネットワーク ,  フィルタリング ,  重みづけ ,  データマイニング ,  *量子計算
準シソーラス用語： 協調フィルタリング ,  量子ビット ,  *データ並列 ,  ファジィクラスタリング ,  探索アルゴリズム ,  大規模データ , 【Automatic Indexing@JST】

分類 (1件)： 計算機網  (JC03000K)

タイトルに関連する用語 (3件)： データ並列 ,  量子計算 ,  応用