人类基因组测序的完成导致未知功能和结构的蛋白质序列数目飞速增长,使用传统的生物数据处理方法认知这些蛋白质不仅耗时耗力耗材,而且处理速度已经远远落后于数据的增长速度。针对这个问题,本文对蛋白质亚细胞定位预测过程中的两项技术——特征提取和分类进行了以下改进:(1)提出一种新的改进型的序列特征提取方法,该方法基于特征融合,把氨基酸组成、熵密度和自相关系数结合起来进行特征表达,使用该方法构建的特征向量能够包含蛋白质序列中的氨基酸组成信息、氨基酸理化性质以及氨基酸残基的相关性信息,可以更好地表达蛋白质序列。选择得到广泛认可的支持向量机作为分类器,采用jackknife方法进行交叉检验,在两个数据集上与传统方法的预测效果进行对比,证明了新方法的有效性。(2)提出一种新的伪氨基酸组成方法,同时基于特征融合,提出一种改进型的序列特征提取方法,并提升了分类器的性能。新的伪氨基酸组成方法包含了更丰富的蛋白质物化性质,改进型的特征融合方法把新的伪氨基酸组成和基于PSSM矩阵提取的信息结合起来进行特征表达,该方法在结合氨基酸组成、氨基酸理化性质和氨基酸残基之间相互影响的基础上引入了蛋白质进化信息,包含的蛋白质信息更加丰富多元。在采用新方法提取信息的基础上,把多个支持向量机并联起来构建集成分类器,提高了预测性能,取得了理想的预测结果。