SNP(Single-Nucleotide Polymorphism，单核苷酸多态)是一种新的遗传标记。它在人类遗传变异中非常普遍，几乎占到已知变异多态性的90％以上。对SNP研究是后基因时代生物信息学研究的重要领域之一。然而，由于SNP大量存在于人类基因组中，并且存在大量多余的及与疾病不相关的SNP，使得寻找与疾病相关的SNP成为一个难点。通常解决这类问题的办法是进行特征选择。特征选择自从上世纪70年代以来得到了长足的发展，有许多特征选择的方法可用于一般性问题。本文应用特征选择来试图找出与疾病相关的SNP。　　 论文利用互信息作为特征选择的评价函数，提出了一种基于互信息频度的启发式搜索候选特征集的方法(枝条矩阵搜索算法)，对SNP进行特征选择实验，并对算法及实验结果进行详细的分析。之后做了两组对比实验，第一组实验对ME算法和mRMR算法进行了仿真，并比较了这两种算法和本文算法的性能；第二组实验针对model内SNP之间的影响以及model间SNP的影响。