Resumen

Los sistemas complejos con computación en el borde requieren una enorme cantidad de datos multifuncionales para extraer ideas apropiadas para la toma de decisiones, por lo que es importante encontrar un método de selección de características factible para mejorar la eficiencia computacional y ahorrar el consumo de recursos. En este documento, se propone un algoritmo de selección de características basado en la mecánica cuántica para el problema de multiclase, denominado QReliefF, que puede reducir efectivamente la complejidad del algoritmo y mejorar su eficiencia computacional. Primero, todas las características de cada muestra se codifican en un estado cuántico realizando operaciones CMP y , y luego se aplica la estimación de amplitud para calcular la similitud entre dos estados cuánticos (es decir, dos muestras). Según las similitudes, se utiliza el método GroverLong para encontrar las muestras vecinas más cercanas, y luego se actualiza el vector de peso. Después de un cierto número de iteraciones a través del proceso anterior, las características deseadas pueden ser seleccionadas con respecto al vector de peso final

• Materias:Big Data Gestión de riesgos Administración de información Red neuronal Teoría de redes
• Subjects:Big Data Risk management Information management Neural network Network Theory
• Palabras claves:Sistemas complejos; Computación en el borde; Método de selección de características; Eficiencia computacional; Algoritmo basado en computación cuántica; Vecino más cercano
• Keywords:Complex systems; Edge computing; Feature selection method; Computational efficiency; Quantum-based algorithm; Nearest neighbor