Intertwine: Nonlinear Quantum Feature Selection With Multikernel Circuits

Hang Xu

doi:10.1109/TCAD.2025.3635568

Intertwine: Nonlinear Quantum Feature Selection With Multikernel Circuits

2025-11-20

0

PRE

AI

DOI：10.1109/TCAD.2025.3635568

原文链接

原文求助

摘要

En 中文

特征选择通过识别最相关和重要的特征来加速训练、增强可解释性并降低数据维度，从而提高机器学习性能。然而，当前的量子特征选择（QFS）方法仍处于早期阶段，主要关注数据中的线性关系。这一局限性忽视了潜在的非线性关系，导致无法选择最具代表性的特征子集。因此，这一不足可能会降低后续学习任务的性能，特别是在非线性数据集上。为解决此挑战，我们提出Intertwine，一种基于多核电路的非线性量子特征选择方法。具体而言，我们设计了一种量子多核电路，独立映射每个特征，以提取多个核矩阵。该过程将所有特征映射到量子核空间，使原始非线性关系变为线性可分，有效捕捉数据中的固有非线性结构。随后，我们通过整合类别标签、核矩阵和正交约束，构建非线性特征选择目标函数以指导选择过程。最后，我们在合成和公开数据集上验证了Intertwine的有效性。实验结果表明，Intertwine优于现有最先进的QFS方法，分类准确率平均提升4.60%。所提Intertwine方法的源代码公开可访问于https://github.com/xhchangsha/quantum-feature-selection。

Keyword:

Kernel matrix

multikernel circuit

nonlinear relationship

quantum feature selection (QFS)

Intertwine: Nonlinear Quantum Feature Selection With Multikernel Circuits

摘要

期刊

机构

引用论文