基因芯片是生物信息学领域迅速发展起来的一项高新技术。基因芯片的出现为基因诊断和基因治疗提供了很好的前提条件和可能性。对基因芯片技术的实际应用是通过对实验所获得的表达谱数据集进行分析研究来实现的。基因芯片表达谱数据特征基因子集选取问题是基因芯片技术的挑战性课题之一。本文在算法上主要研究了一种基于SVM和GA混合算法的基因芯片数据特征基因子集选取方法。首先利用最小二乘支持向量机分类器按照基因的一定的显著性水平,通过计算基因的重要程度,并根据分类准确度提取出包含若干特征基因的子集,滤掉大部分与疾病类别无关的基因。然后采用改进的遗传算法,根据所选特征对分类的贡献程度对初选的特征基因做进一步特征基因的选择。最后,利用支持向量机作为外部分类器对所选的特征基因子集进行评价。本文将算法用于基因芯片技术的两个公认的数据集,做了实际测试,对选出的不同子集大小、不同遗传终止代数、不同特征基因个数下的结果分别进行了评价并与其他已有应用的算法的实验效果进行了对比,取得了较好的效果。