【摘要】采用支持向量机（ＳＶＭ）结合Ｋ－Ｍｅｒ分布特征预测ｐｉｒＮＡ．利用多种生物的非编码ｒＮＡ序列数据库，从中挑选出ｐｉｒＮＡ序列作为正样本，并以由该数据库构建的非ｐｉｒＮＡ序列作为负样本，将正样本和负样本构成的数据随机取出５０％作为训练集，将剩余的数据作为测试集；提取正样本和负样本序列的Ｋ－Ｍｅｒ分布特征构建特征矩阵；用ＳＶＭ对其进行分类，实现ｐｉｒＮＡ预测．结果表明Ｋ－Ｍｅｒ－ＳＶＭ在准确率、正例覆盖率、ＭＣＣ和Ｆ测度等分类指标上均明显优于Ｋ－Ｍｅｒ－ＬＤＡ，说明Ｋ－ＭｅｒＳＶＭ是更好的ｐｉｒＮＡ预测算法．