随着社会日益信息化,各个领域在这一进程中不断地推进科学与技术的相互结合,综合了多门学科知识的生物信息学应运而生,它不再局限于仅使用传统的生物实验方法解决问题。而人类基因组计划的实施使得生物基因测序工程得到了迅猛发展,在生物信息学基因时代,载有遗传信息的基因数据呈爆炸式增长。这些庞大的数据带动了生物学很多领域的快速发展如基因组学,蛋白质组学,疾病研究,精确医疗等。在这些领域中,二分类和多分类问题是经常遇到的问题,如非编码RNA识别、蛋白质同源检测、位点识别等问题。其中本文研究的DNA复制起始位点识别属于位点识别中的一种。本文首先对生物信息学和机器学习进行理论阐述,然后根据研究任务制定相应的研究思路。在实证分析中,本文把从国际酵母生物数据库获取得到的基因组作为我们的初始数据集,利用k元核苷酸频率、伪核苷酸组分、热独编码和词向量等特征提取方法,训练出融合DNA序列的k元碱基频率特征和二型三元伪核苷酸物理化学性质特征的一种新方法。该方法主要是先对核苷酸频率特征进行了优化选择,然后结合改进的伪核苷酸组分做第二步特征提取,其中选取了所有三元伪核苷酸物理化学性质来进行研究。接着利用主成分分析对特征集进行降维,并在新得到的数据集上进行合理建模,计算5折交叉验证下分类模型的预测精度,最终得到基于SVM算法的酵母DNA复制起始位点预测模型。结果表明酵母基因组复制起始位点的预测模型的准确率Acc达到了88.05%,与已有算法对比证明了该模型的可行性。