本发明公开了一种基于机器学习框架的量子聚类方法及相关装置，本发明通过调用量子模块基于获取的样本数据集和k个初始聚类中心创建量子机器学习聚类模型，以及运行该量子机器学习聚类模型，得到输出数据；然后调用数据结构模块基于该输出数据确定样本数据集中每个样本数据与k个所述初始聚类中心的相似度，进而实现了将经典聚类算法中数据间距离的比较转换成量子比特的量子态间相似度的比较，利用量子叠加的性质，减少了经典k‑means算法对计算资源的占用率；最后，基于该相似度确定每个所述样本数据所属的目标聚类，实现了聚类算法速度的提升。