目前,癌症疾病的高发病率和死亡率成为死亡的首要原因,基因测序为早期利用机器学习技术发现异常基因并建立癌症预测模型提供技术手段,基因芯片技术产生的基因数据具有高维度、小样本、高噪声等特性,这为数据分析增加了难度。分类问题中,特征的质量与分类效果密切相关,尤其是在高维基因数据分类应用中,大量冗余和不相关特征严重影响分类的性能。特征处理方法可对基因数据进行降维处理,剔除掉与致病无关的基因,提高基因数据的分类正确率。特征选择可以减少特征数量,通过选取高质量特征来提高分类正确率,但是原始特征有时不能达到预期效果,此时可以通过特征构造方法构造出新的更有效的特征,构造的特征往往具有更好的分类性能。遗传规划算法(Genetic Programming,GP)由于其灵活的表现形式,可以用于处理特征构造任务。然而,在高维分类应用中,巨大的搜索空间对GP的搜索能力是一种挑战。因此本文主要致力于研究融合特征选择与特征构造方法,以期提高基因数据等高维数据的分类性能。论文主要研究工作包括如下几方面:(1)提出一种特征选择与特征构造混合的方法(LFSFC)。本方法使用两阶段特征处理方法对基因数据原始特征进行处理,首先采用基于线性前向搜索算法(Linear Forward Selection,LFS)的特征选择方法对特征进行删减,而后基于GP构造特征,利用原始特征构造更高层次的特征,提高癌症数据的分类预测能力。(2)在特征选择和特征构造方法中选取基于Correlation方法的适应度函数,提高特征与类之间的相关性,降低特征之间冗余度。(3)对八个高维基因芯片数据集采用本文方法进行特征处理,并在K-近邻、朴素贝叶斯(Naive Bayesian,NB),C4.5,朴素贝叶斯决策树(Naive Bayesian Tree,NBTree),最好优先决策树(Best First Tree,BFTree),缩减误差修剪树(Reduced Error Pruning Tree,REPTree),随机树(RandomTree),随机森林(RandomForest)八种分类器上进行分类测试。(4)通过Friedman显著性检验对实验结果进行分析,比较方法LFSFC与两种Benchmark方法和三种基准方法在不同分类器上对基因芯片数据的分类性能。实验得出LFSFC方法最终只需要构造20个特征,在大多数数据集上仅为原始特征数的0.02%左右。实验结果表明LFSFC方法能大幅度降低基因数据的特征维数且提高癌症疾病的分类正确率。经Friedman显著性检验得出,本文方法LFSFC在不同分类器上明显优于两种Benchmark方法和三种基准方法,经进一步分析得出决策树分类器更适用于LFSFC方法。