买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉中国电信股份有限公司;中国电信股份有限公司技术创新中心申请的专利数据分类方法、装置、设备、介质和产品获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120508864B 。

龙图腾网通过国家知识产权局官网在2025-11-14发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511014327.9，技术领域涉及：G06F18/24；该发明授权数据分类方法、装置、设备、介质和产品是由解宇恒;郝苑辰;唐建军设计研发完成，并于2025-07-22向国家知识产权局提交的专利申请。

本数据分类方法、装置、设备、介质和产品在说明书摘要公布了：本公开提供一种数据分类方法、装置、设备、介质和产品，涉及数据处理技术领域，包括：通过量子电路将用于QSVM模型训练的数据特征向量转化为数据特征向量对应的量子态；基于量子态的内积计算量子核函数，并构建对应的对偶优化目标函数；基于对偶优化目标函数的最优解确定QSVM模型中的最优分类超平面的参数，以完成QSVM模型的构建，构建后的QSVM模型通过量子处理器对待测试的数据特征向量进行量子态映射，并利用量子核函数计算分类决策边界，以输出对应的分类结果。通过本公开实施例，更准确地捕捉数据特征向量之间的非线性关联，不仅基于量子核函数提升了QSVM模型计算的效率，也提升了对数据特征向量进行分类的可靠性和准确性。

本发明授权数据分类方法、装置、设备、介质和产品在权利要求书中公布了：1.一种数据分类方法，其特征在于，包括： 通过量子电路将用于QSVM模型训练的数据特征向量转化为数据特征向量对应的量子态； 基于所述量子态的内积计算量子核函数，并构建对应的对偶优化目标函数，包括： 基于所述量子态的内积计算量子核函数，并构建所述QSVM模型的优化目标函数； 通过引入拉格朗日乘子将所述优化目标函数转化为所述对偶优化目标函数； 基于所述对偶优化目标函数的最优解确定QSVM模型中的最优分类超平面的参数，以完成所述QSVM模型的构建，包括： 基于所述对偶优化目标函数的最优解确定拉格朗日乘子和支持向量； 根据所述拉格朗日乘子、所述数据特征向量的标签和所述数据特征向量对应的量子特征映射计算正则项； 根据所述支持向量、所述数据特征向量的标签和所述量子核函数计算所述分类偏置； 根据所述拉格朗日乘子、所述数据特征向量的标签和所述数据特征向量对应的量子特征映射计算所述正则项的表达式包括所述N表征所述数据特征向量的个数，所述表征第i个拉格朗日乘子，所述表征第i个所述数据特征向量的标签，所述表征第i个所述数据特征向量对应的量子特征映射，所述量子特征映射通过参数化量子电路实现，其中所述量子电路由单量子比特旋转门和受控纠缠门组成，将所述编码为量子态； 根据所述支持向量、所述数据特征向量的标签和所述量子核函数计算所述分类偏置的表达式包括，，其中，所述xi表征支持向量，所述k表征所述支持向量的索引，所述S表征所述支持向量的索引集合，所述表征对和进行计算的量子核函数，所述量子核函数是通过执行量子电路并测量基态概率估计得到的，所述表征对所述进行厄米共轭运算； 构建后的QSVM模型通过量子处理器对待测试的数据特征向量进行量子态映射，并利用量子核函数计算分类决策边界，以输出对应的分类结果； 将待测试的数据特征向量输入至构建后的所述QSVM模型的决策函数进行分类，以生成所述分类结果； 响应于根据所述分类结果确定所述待测试的数据特征向量的类别为故障预警类别，根据所述支持向量和量子核函数计算对应于各个故障根因的贡献度； 根据所述贡献度的排序结果确定所述待测试的数据特征向量对应的故障根因， 其中，所述决策函数的表达式包括sign，所述表征所述待测试的数据特征向量，所述表征大于0时的支持向量，所述sign表征符号函数，计算所述贡献度的表达式包括。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中国电信股份有限公司;中国电信股份有限公司技术创新中心，其通讯地址为：100033 北京市西城区金融大街31号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。