摘要：原發性肝癌（PLC）患者在精確放療后乙型肝炎病毒（HBV）再激活是一種常見并發癥，及時的預測防護能降低發病率、死亡率。研究表明：多余的特征變量會影響HBV再激活的預測精度。通過提出基于近鄰成分分析（NCA）的特征選擇方法找出HBV再激活的危險因素及特征組合。之后分別建立經Bayes優化前后的支持向量機模型（SVM）對這些關鍵特征子集及初始特征集進行分類預測。實驗結果表：明HBV DNA水平、KPS評分、分割方式、外放邊界、V25、腫瘤分期TNM、Child-Pugh等都是影響HBV再激活的危險因素。其中經NCA特征選擇之后發現的V25是在乙型肝炎病毒再激活研究中首次提出的危險因素。10折交叉驗證下特征組合HBV DNA水平、外放邊界、V25的預測精度高達86.11%。支持向量機分類器可以很好的應用于乙型肝炎病毒再激活的研究，特征選擇后的關鍵特征組合具有更優越的分類性能。