近年来科学家们致力于肿瘤标志物的研究，希望通过检测肿瘤标志物的情况来监测肿瘤发生与发展的过程。随着基因芯片技术的发展，大量基因、miRNA等表达数据被公布，使不同病理条件下的批量差异表达分析成为可能。但芯片数据具有高维小样本的特点，这给数据分析带来很大的困难。如何从高维数据中提取关键特征进行有效分类，成为当前研究的热点。本文以具有高维小样本特点的成对基因(miRNA)表达数据为研究对象，利用集成策略对最大相关最小冗余特征选择方法进行改进，提出了新的特征选择方法。将改进的特征选择方法应用到6个成对数据集上，并与其他一些已有方法进行比较，实验结果表明，改进的特征选择方法获得了更高的分类准确率，在成对样本的芯片表达数据分析问题上具有很好的适用性。近年来研究发现，miRNA能调节靶基因的表达，并在肿瘤的发生与发展中起到重要作用，因此研究肿瘤中异常表达的miRNA和靶基因成为了探究肿瘤机制的重要部分。本文利用改进的特征选择方法对miRNA靶基因分析方法进行改进，并将改进的特征选择方法和miRNA靶基因分析方法开发为在线服务，便于研究者对芯片数据进行分析，得到异常表达的miRNA、基因以及miRNA靶基因关系网络，为肿瘤致病机理的进一步探究提供了一种便捷的分析工具。