具有“小样本,超高维”特性的微阵列数据分类问题是数学、生物、计算机等多学科交叉的一个热门研究课题。本文针对微阵列数据的多类分类问题,从统计机器学习的正则化理论出发,通过引入两类惩罚函数,分别提出了两类能同时进行分类和基因选择的正则化多项式回归学习机,并将其应用于大鼠肝再生相关基因筛选。本文的主要工作及创新点如下：(1)通过结合多项式似然损失函数和具有群体基因选择性能的多类弹性网络惩罚函数,提出了一种新的正则化多项式回归学习机,证明了该学习机在进行多类分类的同时能成群的选择相关基因。(2)通过结合多项式似然损失函数和具有自适应群体基因选择性能的多类自适应弹性网络惩罚函数,提出了一种自适应多项式回归学习机,证明了该学习机在进行多类分类的同时能自适应地成群选择相关基因。(3)将两类多项式回归学习机应用到大鼠肝再生基因芯片数据,从中筛选出了肝再生相关基因；利用pathway studio8.0软件分析了所选基因间的通路关系,验证了所选基因的生物合理性。