随着高通量检测技术的不断进步，在生命科学领域，人们获得了各种各样的高通量数据，如：基因表达数据，单核苷酸多态性数据等。这些数据为我们从多种层面去认识疾病发生的机理，同一物种不同种群间的差异等问题提供了详细的资料。但通常这些数据均是小样本高维数据，即：数据中样本个数远小于特征个数，直接用传统的模式分类方法处理它们时往往发生“维数灾难”现象。目前避免“维数灾难”现象的有效手段之一是：在模式分类之前，先用特征选择方法移除数据中的无关特征。本文以基因表达数据和单核苷酸多态性数据为例从如何考虑多个特征间的相互影响和如何定义揭示多个特征间相互影响的相关性测度两个角度对高通量数据的特征选择做了研究，主要工作如下：1．由主分量分析与形状分析相结合的基因选择方法没有有效利用样本的类别信息。针对这一缺点，提出了一种新的基因选择方法，该方法将间隔最大化判别分析和形状分析相结合，在选择基因过程中不仅整体上考虑了基因与基因之间的相互作用，也考虑了基因与类之间的相互关系，提高了所选基因集的分类性能。在四组微阵列基因表达数据上的实验结果表明，所提方法的性能优于主分量分析与形状分析相结合的方法，与当前两个流行的多变量Filter方法相比，所提方法也具有一定的优势。2.提出了一种基于最大条件相关最小冗余准则的特征选择方法：CMRMR。该方法可以看作是最大相关最小冗余方法的扩展，其主要特点是：在特征选择过程中，不仅考虑了已选特征与新选特征的相关性，也考虑了已选特征对新选特征与类标相关性的影响。我们分析了最大条件相关最小冗余准则与现有其它基于条件互信息的特征选择准则的异同，结果表明：现有基于条件互信息的方法均希望新选特征尽可能多的带来已选特征集中不含有的类标的信息，它们的不同之处在于实现这一目标的策略不一样。在模拟数据和基因表达数据上的实验结果表明CMRMR选择的特征集的分类性能在大多数数据上高于最大相关最小冗余方法，与其它基于条件互信息的方法性能相近。3.目前常用的特征相关性测度可有效评估两个特征之间、单个特征与类标之间的相关性，但却是将特征孤立看待，没有考虑其它特征对它们相关性的影响。针对这一问题，在整体考虑特征之间关系思想的指导下，将稀疏表示技术应用于特征选择，提出一种基于稀疏表示系数的特征相关性测度，它与现有特征相关性测度的不同之处在于：可以揭示特征在数据中其它所有特征影响下与目标的相关性，反映特征间的相互影响。4．为了验证稀疏表示系数作为一种特征相关性测度的有效性，我们首先在基因表达数据上考察了稀疏表示系数评估的前q个最相关的特征的分类性能，然后用稀疏表示系数分别替换最大相关最小冗余准则和经典方法FCBF中所用的相关性测度，构成新的特征选择准则和新的特征选择方法，并在基因表达数据上考察了新的准则和方法的性能。我们也将基于稀疏表示系数的上述方法和准则与现有的方法和准则进行了比较，相关实验结果表明：基于稀疏表示系数的方法和准则是有效的，它们在大多数数据上的性能高于现有方法和准则。5．由于稀疏表示系数测度特征的相关性时，考虑了特征间的相互影响，因此稀疏表示系数可以在一定程度上揭示特征间的交互作用。为了清晰的认识稀疏表示系数这一特点的优势，重点考察了稀疏表示系数选择的单核苷酸多态性集合区分相近人群的能力。我们首先基于国际人类单体型图计划第三阶段的单体型数据构造了四个分类问题：美国人分类问题、亚洲人分类问题、非洲人分类问题和欧洲人分类问题，其中第一个分类问题中各人群差异比较大，后三个分类问题中的人群均比较相似。然后比较了基于稀疏表示系数和基于Symmetrical Uncertainty、修正的T-检验和Fst的特征选择方法选择的单核苷酸多态性集合的差异及分类能力。实验结果表明：基于稀疏表示系数选择的单核苷酸多态性集合的分类能力明显高于其它方法，尤其是在相近人群的区分问题上；基于稀疏表示系数选择的单核苷酸多态性集合与基于其它三个测度选择的单核苷酸多态性集合的差异比较大，所选单核苷酸多态性在染色体上的分布特点也不同。