提出了一种基于模糊聚类算法的高维特征选取方法.首先,利用Bhattacharyya距离过滤样本类别无关的特征;然后,基于递归特征别除过程,提出了基于模糊迭代自组织数据分析技术(Interactive self-organizing data analysis technique,ISODATA)聚类方法,以样本与聚类中心的加权距离作为可分性指标,产生候选特征子集;最后,以候选特征子集分类和聚类的接受者操作特征曲线下面积(Area under the receiver operating characteristic curve,AUC)值和正确率作为目标函数,确定最佳特征子集.将该方法用于选取5个基因表达谱数据集的特征基因,结果显示该方法所选特征具有较好的分类和聚类能力,说明了提出的特征选取方法的有效性.