启动子识别是生物信息学领域极具挑战的问题.本文在IMC(Interpolated Markov Chin)的框架下考虑碱基的插入与缺失,采用SA(Simulated Annealing)训练转移概率,以增加模型的鲁棒性,利用GA(Genetic Algorithm)优化IMC插值系数,以克服梯度算法易于陷入局部极值点的缺陷,最后将该模型用于启动子识别,识别率在测试集达到86%.