一种基于Ising机训练TSK模糊系统的健康数据分类方法

本发明公开了一种基于Ising机训练TSK模糊系统的健康数据分类方法，包括：采集目标健康数据构建模糊集，使用高斯隶属函数计算不同模糊集的先行参数，再求得每个样本对于不同规则的激活度，并将规则输出按激活度加权平均，则TSK模糊系统的输出表示为线性回归形式；通过等效的数学变化，将线性回归输出转化为QUBO问题；使用量子模拟退火算法求解最佳解旋解，通过对解旋解的解析，实现对于目标健康数据的分类。本发明在本地通过量子模拟退火算法进行高效近似计算，或部署于量子计算机平台以获得更高速的全局最优解。在保证计算效率的同时，量子优化过程能够有效避开传统方法中常见的局部最优陷阱，从而提高模型在复杂非线性问题中的整体表现。