microRNA（miRNA）是生物体细胞内一类重要的基因表达调控因子，通过与靶基因完全互补配对和不精确互补配对，对信使RNA（mRNA）进行裂解或者抑制其翻译，实现对生物正常生长发育的调节，因此miRNA靶基因的预测对于研究和理解miRNA的生物功能至关重要。但目前相对于阴性靶基因的数目来说，实验验证的靶基因数目非常少，miRNA靶基因阴、阳样本数量严重不平衡，准确预测miRNA靶基因已成为研究miRNA的瓶颈问题。针对miRNA靶基因数据不平衡问题，通过结合miRNA:target序列信息以及SVM预测不平衡数据集的研究，本文提出了偏置判别SVM和基于不同惩罚参数的SVM预测miRNA靶基因，为提高miRNA靶基因的预测准确率做出新的尝试。首先，结合现有的miRNA:target二级结构特征以及3’UTR区域的特征，规定特征的量化标准，并对数据集进行特征提取和特征选择，获得最优特征子集。其次，针对传统SVM分类靶基因准确率较低的问题，提出偏置判别SVM算法预测miRNA靶基因，该算法在经验特征空间中以偏置判别分析准则为核矩阵的优化目标函数，然后使用核保角变换的方法逐步优化核矩阵，用最优的核构造偏置判别SVM，进而预测miRNA靶基因。再次，针对基于不同惩罚参数的SVM在分类不平衡靶基因数据集时效果往往不同，提出一个基于数据集分布的平均密度求取惩罚参数C的靶基因预测算法，弥补不平衡靶基因样本空间中由于阴阳样本分布的差异对预测结果造成的影响。最后，利用miRecords中实验验证的人类、小鼠和大鼠的阳性靶基因数据作为阳性训练集；参考微阵列（microarray）实验结果，从NCBI基因表达数据库（GEO）中选取阴性训练集；使用独立测试集对该算法进行预测，然后利用两种评估标准对该算法与其它几个流行的靶基因预测算法的预测结果进行评估，评估结果表明本文算法的预测准确率高于其它算法。