随着数据爆炸式的增长,人们获取的数据量越来越大,维度也越来越高,这给传统的机器学习算法带来了严峻的挑战。由于数据维数的大幅度增加,会产生大量不相关或冗余的数据,这些数据不仅浪费了存储资源,而且还增加了学习算法的计算时间复杂度,降低算法的执行效率,甚至降低学习算法的泛化性能。因此,研究大数据特征选择问题,设计有效的特征选择算法,从原始数据中选择出重要的特征,去除不重要或冗余的特征,从而提高机器学习算法的效率和性能是十分有必要的,具有重要的理论及应用价值。本文研究了基于投票机制的大数据特征选择问题,提出了一种基于开源平台的大数据投票特征选择框架,在这一框架中包括两种大数据投票特征选择方法。具体地,本文主要贡献包括以下三部分:（1）提出了基于Hadoop和Spark的大数据投票特征选择方法。提出的方法包括三步:首先,将大数据集合划分为m个子集,并部署到m个Hadoop/Spark计算节点上;然后,在m个计算节点上,用提出的特征选择算法用本地样例子集从特征全集A中并行地进行特征选择,得到m个特征子集A₁,A₂,…,A_m);最后,对于A中的每一个特征（a_i）（1≤i≤d）,用A₁,A₂,…,A_m进行投票,并根据投票结果,选出最终的特征子集。（2）提出了基于遗传算法的并行特征选择方法,该方法用d位二进制0-1串表示特征子集,用相容粗糙依赖度作为适应度函数,评价特征子集的重要性。在Hadoop/Spark计算机节点上,并行地进行特征选择。（3）在Hadoop和Spark两种大数据平台上实现了提出的方法,在6个数据集上进行了测试。此外,还对基于Hadoop和Spark两种开源框架的大数据投票特征选择方法进行了比较研究,得出了一些有价值的结论。