本文首先阐述和分析了基因识别、必需基因识别和微阵列数据识别问题的研究现状、研究热点和发展趋势,并在此基础上,重点研究了基因识别算法和微阵列噪声数据识别算法。在基因识别问题上,提出了一种基于公平权值的径向基函数神经网络模型和算法,并将该算法应用于基因识别研究领域。在必需基因识别问题上,针对必需基因序列特征,采用人工神经网络和支持向量机来解决该问题,取得了较好的结果。在微阵列噪声数据识别问题中,主要研究微阵列基因表达癌症数据误标记样本和异常样本识别问题,并提出了两个有效的识别算法,分别是广义CL-stability和广义消融CL-stability。通过实验测试,验证了新方法的有效性和可行性。本文的主要贡献和研究内容如下:(1)对生物信息学中的基因识别、必需基因识别和微阵列噪声数据识别研究做了系统的综述。(2)阐述了基因识别和微阵列噪声数据识别的相关机器学习基础理论。(3)针对编码蛋白质基因,提出了一种基于公平权值的径向基函数神经网络基因识别模型和算法。(4)利用人工神经网络和支持向量机方法实现了对必需基因的识别。(5)针对微阵列基因表达癌症数据误标记样本和异常样本识别问题,基于支持向量机理论提出了广义CL-stability和广义消融CL-stability两个新算法。本文的研究结果丰富了机器学习理论的应用研究,在进化计算与神经网络结合、神经网络的结构设计和参数学习、以及改进和优化支持向量机学习等方面,做了具有理论意义和应用价值的研究工作。为基因识别、必需基因识别和微阵列噪声数据识别算法的实用化研究提供了有意义的方法和手段,为分子生物学和医学的相关研究起到了一定的促进作用。