随着生物信息学、基因表达谱微阵列、图像识别等技术的发展，高维小样本分类问题成为数据挖掘（包括机器学习、模式识别）中的一项挑战性任务，容易引发"维数灾难"和过拟合问题。针对这个问题，特征选择可以有效避免维数灾难，提升分类模型泛化能力，成为研究的热点，有必要对国内外高维小样本特征选择主要研究情况进行综述。首先分析了高维小样本特征选择问题的本质；其次，根据其算法的本质区别，重点对高维小样本数据的特征选择方法进行分类剖析和比较；最后对高维小样本特征选择研究面临的挑战以及研究方向作了展望。
