随着人类基因组计划的完成,越来越多的科学家开始从海量的生物序列数据中挖掘基因之间的功能,这使得研究功能基因组学成为了后基因组时代研究的主流。而研究pre-mRNA的选择性剪接机制是功能基因组学研究的前沿课题之一。外显子剪接增强子在结合SR蛋白之后能够调控附近的剪接位点进行选择性剪接,从而能够决定mRNA形成的蛋白质的功能,所以在海量的生物序列数据中准确的识别外显子剪接增强子具有重要的意义。由于识别外显子剪接增强子的研究具有重要的意义,这就使得相关的技术受到了越来越多的关注,然而现有的方法在理论和实际应用中却依然存在着诸多的问题,比如,训练数据集噪音大、分类特征信息选取片面、分类算法的复杂度高等。针对上述问题,本文首先系统的综述了识别外显子剪接增强子的研究现状,进而提出了从构造数据集、选取分类特征和选取分类算法这三个角度去改进已有的识别外显子剪接增强子的分类器。论文的主要研究工作和创新点如下:提出了基于启发式构造训练数据集的方法。基于生物学背景知识,构造了含有人类外显子剪接增强子信息的训练正例集;构造了由计算机随机生成的序列组成的训练反例集;启发式构造了含有较少的人类外显子剪接增强子信息的训练反例集。设计了新的基于决策树和随机森林两种分类算法的分类器,构造了新的分类特征集合,用于识别外显子剪接增强子。并创新性的结合了外显子剪接增强子在pre-mRNA上的序列信息和其所要结合的SR蛋白信息,作为分类特征,用于刻画外显子剪接增强子数据。本文选取了人类基因组数据作为训练数据集,采用新设计的分类器去识别外显子剪接增强子。得到最高的外显子剪接增强子的识别率为95.16%,高于目前在外显子剪接增强子识别研究中已知90.74%的最高识别率。