随着对DNA序列特点的深入了解,针对DNA序列的高效压缩不断涌现。其中,GReEn针对同源物种之间DNA序列相似度高的特点,利用参考序列构造概率复制模型,将概率分布送入算术编码器编码对DNA序列进行压缩,效果显著。但是在目标序列没有与参考序列重复时,GReEn的压缩效果急剧下降。针对GReEn这一不足,本文对其使用Context加权模型以改善GReEn在目标序列与参考序列不同时的压缩效果。首先,构建一个Hash表并采用链地址法解决Hash冲突,存储参考序列中每个长度为k-mers的字符串留待编码时检索。然后对目标序列进行同样的Hash处理并与参考序列进行比对,在参考序列与目标序列不同的地方使用Context加权模型优化。考虑到字符间的相关性,再结合Minh.D.C.提出的权值选择理论:Context模型权值与描述长度的对数的倒数成正相关关系,我们提出了利用多组Context模型加权合并的办法来减小码长。首先对每个模型的描述长度进行排序和统计,然后计算统计值的对数的倒数并做归一化处理得出权值,最后权值随描述长度的统计特性的变化不断更新。实验结果表明,Context加权模型可以在参考序列与目标序列不同时改善压缩效率。说明在基因序列的压缩过程中,这种基于参考序列再结合Context加权模型的方法可以提高压缩效率。