针对监督分类中的特征选择问题，提出了一种基于量子进化算法的组合特征选择方法。首先分析了现有子集评估方法对分类精度的过度偏好的缺点，然后提出了一种基于固定阈值和统计检验的两个子集评估方法。然后，对量子进化算法的进化策略进行了改进，将整个进化过程分为两个阶段，选择个体极值和全局极值作为种群的进化目标。在此基础上，根据通用框架设计了特征选择算法，然后进行了组合特征选择。最后，通过15个Alpine数据集验证了子集评估方法和进化策略的有效性，并与其他六种特征选择方法进行了比较，验证了新方法的优越性。结果表明，新方法在80%以上的数据集上达到了相似甚至更好的分类精度，并在86.67%的数据集上选择了特征数较少的子集