随着人类基因组测序的完成,启动子识别因在基因调控中发挥的重要作用,成为当前生物信息学研究的热点之一。目前有两种启动子识别方法：基于内容的方法和基于信号的方法。基于内容的方法如隐马尔科夫模型(HMM),经常带一些信号噪声,并忽视启动子的生物特性。基于信号的方法克服上述不足,利用启动子的生物学特性作为条件,然而,它会导致较高的假阳性率(FPR)。为了克服上述不足,不断提高识别性能,本文介绍两种新方法：一是基于最大熵马尔可夫模型(MEMM),另一个是基于最大熵隐马尔科夫模型(ME-HMM)。新方法创新如下：首先,两种方法均是首次应用在启动子识别领域；其次,这两种方法都结合了启动子的生物特性,并建立特征模板来选择特征；最后,为了将新技术应用于启动子识别,本文改进了前向算法,并开发了MEMM-前向算法和ME-HMM-前向算法。此外,ME-HMM方法有自己的创新：首先,它利用基于模体的HMM模型替代剖面隐马尔可夫模型构建启动子模型。其次,它不仅克服基于内容的方法的不足,而且能够有效降低假阳性率。本文首次通过R语言编程建立了上述两种模型,实现了相应算法,成功的应用在启动子识别中。为验证新方法的有效性,本文引入HMM方法作为对照实验,发现两种新方法不仅能够克服HMM的缺点,‘而且能够利用有限的训练数据集,达到更好的识别效果。