特征选择作为一种数据预处理技术被广泛研究，由于其具有NP难度而一直无法找到有效的求解方法。鉴于目前在特征选择中应用较多的遗传算法存在进化机制上的局限，将量子进化算法应用于特征选择，提出了一种基于改进量子进化算法的特征选择算法。以增加种群多样性和提高寻优性能为目标改进了量子进化算法，以Fisher比和特征维度为特征子集的评价准则构造了适应度函数，按照量子进化算法求解优化问题的步骤设计了特征选择算法。使用UCI数据库中的数据集对三种算法作对比验证，通过识别重要特征、提高学习算法性能、特征选择效率三组实验，结果表明，该算法能够识别出重要特征，并随着数据集特征维度升高，特征选择的性能逐渐优于对比算法，