用于无监督异常检测的量子算法
量子物理
2023-08-09 v1
摘要
异常检测作为机器学习的一个重要分支，在欺诈检测、医疗、入侵检测、军事监视等方面起着关键作用。作为最常用的无监督异常检测算法之一，局部离群因子算法（LOF算法）已被广泛研究。该算法包含三个步骤，即确定每个数据点x的k距离邻域、计算x的局部可达密度、以及计算x的局部离群因子以判断x是否异常。LOF算法在处理大数据集时计算代价高昂。在此我们提出一种量子LOF算法，由对应于经典算法的三部分组成。具体而言，x的k距离邻域通过振幅估计与最小值搜索确定；各数据点的局部可达密度基于量子乘加器并行计算；各数据点的局部离群因子利用振幅估计并行获得。研究表明，与经典对应算法相比，我们的量子算法在数据点的维度上实现指数加速，在数据点数量上实现多项式加速。本工作展示了量子计算在无监督异常检测中的优势。
引用
@article{arxiv.2304.08710,
title = {Quantum Algorithm for Unsupervised Anomaly Detection},
author = {MingChao Guo and ShiJie Pan and WenMin Li and Fei Gao and SuJuan Qin and XiaoLing Yu and XuanWen Zhang and QiaoYan Wen},
journal= {arXiv preprint arXiv:2304.08710},
year = {2023}
}