特征选择技术是当前信息领域,尤其是模式识别领域的研究热点之一。基因选择是特征选择中的一个应用。基因选择在疾病预测方面有非常重要的实际意义。现存的一些基因选择方法能够有效地找出致病基因,但疾病往往都是由多个基因联合造成,而现存的方法却不能找到这些联合的致病基因,我们称之为基因集合。针对上述问题,本文介绍了一种新的基因选择的方法-基于频度与联合效应的基因选择。该方法的主要思想是：先利用Fisher准则,将关系紧密的基因组合在一起,形成一个个枝条,所有枝条构成一个枝条矩阵；再从这个枝条矩阵中找出频度最高(出现次数最多)且联合效应程度(多个基因联合起来对疾病的影响程度)最大的基因集合,即与疾病最相关的致病基因集合。本文方法最大的优势在于它能找到最本质的致病基因集合,特别适用于由多个致病基因联合造成的疾病。本文方法还可以用于其他特征选择问题,如语音辨识,人脸识别等。本文实验数据均是一些常见的真实数据集,通过使用本文方法得到的实验结果与以往一些特征选择方法,如：mRMR[1], SPCA[2], Ruck[3], Tarr[4]等进行比较,发现本文方法有很好的去噪效果,且能更有效的找到本质特征,降低特征空间维数。