随着人类基因组计划和多种模式生物基因组测序的完成,对于大量生物序列数据的有效处理以便寻找序列中蕴涵的信息成了目前生物信息学研究领域的热点问题之一。真核生物选择性剪接在基因表达调控中发挥极其重要的作用,如何利用统计学习的理论和方法识别真核基因选择性剪接位点是目前生物信息学研究领域关注的问题。　　 针对真核基因选择性剪接位点识别问题,目前国内外已经提出了多种基于统计学习理论的识别算法,如支持向量机、隐马尔科夫模型、马尔科夫模型、神经网络、隐马结合支持向量机、马氏模型结合支持向量机、小波变换结合支持向量机等。但是这些算法中大多数并不能获得令人满意的识别率。即使有些方法在选择性剪接位点识别率上有不俗的表现,但是这些方法运算复杂性较高。　　 本文提出了一个基于离散余弦变换并经由支持向量机训练的选择性剪接位点识别算法。同时提出了一种新的编码方式,即混合伪图像编码方式。该编码方式有两个创新之处:(1)将一维编码方式和二维编码方式相结合,它避免了普通编码方式对单个碱基特性的信号或者碱基间跳转关系的信号丢失的问题,将单个碱基的特性以及碱基与碱基之间的跳转关系特性都加以很好的利用；(2)伪图像编码方式可以比以往所常用的向量形式更能把剪接位点附近的相关特征进行提取,针对此编码可以通过主成分提取方法达到降低算法时间复杂度的目的。　　 通过实验表明这个新的方法相对于其他方法的确获得了更好的效果。其识别率分别为70.73％(供体位点)和66.01％(受体位点)。