标签
提出了粒球量子聚类（GBQC），该框架结合粒球结构抽象与量子特征学习，以减少计算开销，并在多种数据集上提升聚类准确性和鲁棒性。
提出了一种基于量子粒球的k近邻框架QGB-W$k$NN，该框架增强了机器学习中的分类效率和对噪声的鲁棒性。
本文提出了一种多粒度超图表示学习（MGHRL）框架，该框架利用粒球分割自适应地生成多粒度超边，以捕捉图中的高阶关系，在基准数据集上优于基线模型。