本文在分析特征选择相关性质的基础上，研究并设计了多种环境下特定的特征选择算法，而这些也是目前特征选择的研究热点。 主要结论： 1．利用指数熵作为特征排序准则，并结合改进的模糊特征评价指标，设计了一种新的非监督特征选择方法，效果很好。 2．将维数约简中两种典型方法(特征抽取与特征选择)相结合，利用K近邻聚类，设计一类基于主成分分析的特征选择方法，将没有实际意义的主成分投影到原始特征空间，选择关键的原始特征。 3．在深刻分析K近邻分类器的损失函数基础上，提出新的基于K近邻分类损失一间隔的特征选择评价准则和算法，并利用能量模型进行理论分析。实验结果表明该算法能获得比其它进行K近邻规则的特征选择算法(如Simba、Mitra和Reljef)更好的性能。