互信息是信息论中的重要概念,被用来度量两个随机变量之间的相关性。在信息基因选择中,以互信息理论为基础的最大信息系数(MIC)与最大相关最小冗余(mRMR)是特征选择中最具代表性的两种方法。针对肿瘤基因表达谱数据的小样本、高维数、高噪音特点,选择一种合适的算法来进行信息基因的选择尤为重要,MIC虽具有普适性与等价性的优点,但其在信息基因选择中仅能对特征与类别进行相关性度量,不能有效去除特征间的冗余特征;mRMR虽能有效去除冗余特征,但对数据规模有一定的局限性。因此,本文提出改进mRMR的新算法-—mRMR-ChiMIC算法,将原mRMR算法中度量相关性的互信息使用归一化后的互信息(MIC)来代替,并使用ChiMIC算法来近似估计MIC值。通过DLBCL、Prostate、Lung三个公用数据集进行实验验证,结果表明,本文提出的mRMR-ChiMIC算法较原mRMR算法提取的特征具有更高的分类准确率,且有效降低了计算复杂度。