量子主成分分析算法

摘要：

主成分分析(Principal Component Analysis,PCA)是模式识别领域,尤其是人脸识别中一种应用广泛的重要算法.然而,在此算法及其后续的改造算法中始终存在两个主要问题:(1)降维处理后的特征空间依然较大;(2)用于比较两幅人脸特征相似性的测度方法计算量较大,从而导致算法在识别阶段的时间效率较差.该文基于量子信息的相关理论与方法,并受算术编码基本思想的启发,提出了量子PCA算法.设计了一种人脸特征编码方案,进一步压缩了降维处理后的特征空间;将两幅人脸特征的相似性测度方法改为在某一阈值条件下的等值判定;应用Grover算法修改识别阶段的处理流程,使得算法的时间效率有了显著提高.

关键词：主成分分析、人脸识别、量子计算、算术编码、Grover算法

所属期刊栏目：37

分类号：TP302(计算技术、计算机技术)

资助基金：国家自然科学基金61170321;高等学校博士学科点专项科研基金20110092110024;东南大学计算机网络和信息集成教育部重点实验室开放基金K93-9-2010-18

在线出版日期：2014-07-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：666-676