传统模糊积分将高维数据投影到一维空间进行分类和预测，但很多时候无法全面描述和正确分类。提出一种深度模糊积分，由双重模糊积分延伸至多重模糊积分，以适应复杂的数据分布，提高分类精度。当数据被投影至一维空间效果不佳时，进行第二次投影，两次投影所得的值构成二维坐标，也就是将投影至一维空间的点拉伸至二维空间进行分类，依此类推，可扩展至多维空间，扩展后的维度可根据复杂度情况学习确定。实验分为两部分，分别是应用于经典数据库和关于肝炎疾病的真实数据。结果表明，深度模糊积分与几种经典算法比较，分类精确度都有不同程度的提高。由此可见，深度模糊积分对经典模糊积分进行了纵深扩展，解决了数据交叠问题，提高了分类性能。