随着数据库技术的迅速发展、数据库管理系统的广泛应用,全球范围内数据的存储量急剧增加,数据挖掘正是在这种趋向下应运而生。数据挖掘技术自产生以来便形成了研究的热潮,有着广泛的应用前景,是目前研究的重要领域之一。它被广泛应用于信息获取、决策支持等领域,并且随着网络和电子商务的日益普及,数据挖掘的应用也越来越广泛。另一方面,量子理论的研究也是方兴未艾,并且在过去的十几年中,量子计算方面取得了一系列的惊人成就。量子相干性和量子纠缠等特性为量子计算带来了完全不同于经典计算的独特运算方式,量子计算所表现出的并行性更是令经典运算望尘莫及。如:Shor算法的提出完全展示了量子算法在解决某些经典问题时的优势,接踵而至的Grover搜索算法进一步诠释了量子计算的威力。此后,算法“量子化”在国际上掀起了研究的热潮,量子计算更是为算法加速提供了一条新途径。目前为止,量子理论在数据挖掘领域的研究已经起步,并且取得了一些有价值的研究成果,但是该领域的研究还有待推广。本文在研究了量子理论与量子算法的基础上,主要做了以下几个方面的工作:(1)改进了基于量子机制的聚类算法。量子聚类算法是一种基于量子机制的聚类算法,该算法引入量子力学中关于量子势能的研究理论。针对算法在聚类过程中只能发现球状簇的不足,提出了一种改进的基于量子机制的密度聚类算法。仿真表明新算法在聚类效果方面得到了有效的提高。(2)提出了一种量子蚁群聚类算法。为了克服蚁群算法在聚类过程中的不足,提出了一种量子蚁群算法,并将其应用于聚类过程中。仿真表明,新算法不仅加速算法的收敛速度,并且使得聚类效果更加稳定。