以传统朴素贝叶斯算法为基础，研究并提出一种高效、准确的量子模糊贝叶斯分类算法。首先将“模糊集合理论+朴素贝叶斯理论”交叉融合，定义模糊先验概率、模糊条件概率，将朴素贝叶斯推广至模糊朴素贝叶斯，构建模糊贝叶斯模型；其次，将“模糊贝叶斯模型+量子计算”交叉融合，将模糊数据集量子化（编码到量子态上）并设计量子线路，提出一种量子模糊朴素贝叶斯分类算法；最后，将该算法应用到鸢尾花数据集。仿真实验表明，与传统朴素贝叶斯分类算法相比，该算法具有较高的分类效率和准确率。