一种适用于多分类问题的新型量子集成学习方法

本发明涉及量子机器学习技术领域，公开了一种适用于多分类问题的新型量子集成学习方法，包括：初始化所有图像的样本权重；使用基学习算法根据样本权重向量将量子分类器训练为弱分类器，并通过量子态的投影值测量得到图像的弱分类器预测标签以及对应的预测概率；计算弱分类器的权重；基于归一化系数以及弱分类器预测标签的预测概率对图像的样本权重进行更新；基于弱分类器的权重对弱分类器进行加权求和，得到强分类器，将图像输入到强分类器，得到对应的强分类器预测标签。本发明将分类器权重与样本权重分开，且加入调整因子，提升整体算法自由度，降低对弱分类器的准确率要求，适配范围更广，确保总分类器准确率随分类器个数增加提升。