古生物进化树的构建是探索早期生命起源和进化发展规律的重要途径。对于古生物进化树的构建而言,采集于化石的表征数据是可以依据的主要材料。然而古生物表征数据中存在的缺失值和不适用状态,往往导致古生物进化树难以有效构建。针对上述问题,本文从古生物表征数据的特点出发,通过融入演化分析中的先验知识,提出了一种基于层次推断和简约聚类的古生物进化树构建方法。具体研究内容如下:(1)根据表征数据的特征之间存在逻辑关联的特点,建立特征层次结构模型,进而提出了一种基于层次推断的表征数据中缺失值的填补方法。首先,基于特征层次模型提出了一种层次推断框架,并将距离加权的K近邻法引入该框架填补缺失值。实验表明,上述方法在多个缺失比例下优于模糊优化方法。(2)针对不适用状态导致进化树难以稳定构建的问题,提出了一种基于简约聚类的含不适用状态的进化树构建与优化方法,包括进化树的构建和最优树的搜索两个阶段。在进化树的构建过程中,将特征层次结构模型和特征极向等先验知识融入聚类算法,提出一种简约聚类方法用以构建含不适用状态的进化树。在最优树的搜索阶段,在简约原则的基础上采用模拟退火算法进行启发式地搜索。多个含不适用状态的表征数据上的实验表明,相较于现有处理不适用状态的方法,上述方法构建的进化树与模板树之间的Robinson-Foulds距离平均减少了0.125左右。(3)通过分析古生物表征数据中缺失值的缺失机制和不适用状态,在(2)与(3)的基础上,提出了一种基于层次推断和简约聚类的古生物进化树构建方法。该方法首先结合距离加权的K近邻法和层次推断框架以填补古生物表征数据中的缺失值,在数据可解释的前提下降低数据的模糊性。然后,采用(2)中的方法构建并优化含不适用状态的古生物进化树。实验表明,基于上述方法构建的古生物进化树,与目前普遍认可的进化树的拓扑结构基本一致,验证了该方法在含缺失值和不适用状态的古生物进化树构建方面的有效性。综上所述,本文提出的方法更适合构建含缺失值和不适用状态的古生物进化树的构建,可以为古生物学家为探索生命起源提供了更多的论证资料。