该文综述Boosting研究进展，提出通用框架优化弱分类器以处理多分类问题，分析在线提升算法及其最优性，将增强学习推广至多分类并引入弱学习条件，扩展Boosting支持任意凸损失函数，提出ProBoost利用不确定性提升性能，证明弱可学习性及迭代收敛，探索量子AdaBoost加速，并提出多分类转二分类在线算法及在线梯度推进回归方法。