全文总字数：1829字

1. 研究目的与意义及国内外研究现状

近年来，以计算机为核心的大规模信息网络，尤其是互联网的建立和发展，对信息传输的质量要求更高了，不但要求既快速有效又能可靠地传递信息，而且还要求信息传输过程中保证信息的安全保密，不被伪造和窜改。于是，信息传输的高效性、可靠性、保密性和认证性四项指标构成了对现代通信系统的全面要求。量子信息学是一门新兴的，以量子力学与经典信息学理论为主干的交叉性学科。量子信息学的研究对象主要包括量子通信技术、量子密码技术、量子计算技术以及量子器件技术的研究与开发。利用量子态相干性可实现超高速并行计算、以量子态方式实现信息通信，可以实现不可解密码通信及超高速的信息通信。

聚类分析算法是数据挖掘中的一项技术，它通过比较各个数据之间的相似程度来将数据进行分类，从而发现数据的内在联系与规律。如今由于数据量的快速增长，数据的分类对于传统计算机来说越来越具有挑战性，而量子机器学习算法将会带来指数级的提速。量子聚类算法就是为了提高机器学习的速度而诞生的。

2. 研究的基本内容

学习量子信息的相关知识，了解什么是量子，量子的相干性以及非区域性等特性。学习K-means算法、K-Medians算法等经典的聚类算法，熟悉K-means算法、K-Medians算法等聚类算法的原理，并分析他们的优点与不足，采用量子的机制来实现和改进K-means算法、K-Medians算法，并将改进后的算法与经典算法进行对比，分析采用量子信息技术的优点。

3. 实施方案、进度安排及预期效果

2015年11月~12月：资料收集，完成任务书和开题报告，完成量子信息知识的阅读；

2016年1月~2月（开学前）：指导教师提供几篇代表性文献，对其进行精读并研究分析；

2016年3月~5月：针对几类代表性聚类算法，采用量子思想进行实现或改进，并进行比较分析；

4. 参考文献

[1] seth lloyd, masoud mohseni, patrick rebentrost quantum algorithms for supervised and unsupervised machine learning

[2] maria schuld, ilya sinayskiy and francesco petruccione an introduction to quantum machine learning 2014.09

[3] x.-d.cai, d.wu, z.-e. su, m.-c. chen, x.-l. wang, li li, n.-l. liu, c.-y. lu and j.-w. pan entanglement-based machine learning on a quantum computer 2015.05