【出 处】：《 计算机仿真 》 CSCD 2013年第4期 275-278页,共5页

【作 者】： 叶安新 ; 邓大勇

【摘 要】 传统K一均值算法的初始聚类中心从数据集中随机产生，容易陷入局部最优解。提出了一种改进量子遗传聚类方法，用量子比特构成染色体，用实数对量子比特进行编码，用量子旋转门进行染色体更新，用量子Hadamard门进行染色体变异，结合了目标函数的梯度信息，对旋转门的旋转角进行动态调整。每条基因代表一个优化解，在染色体数目相同时，可使搜索空间加倍。实验结果表明，提出的方法在稳定性和分类准确率上都有所提高。