病毒作为一类结构上非常简单并且遍及自然界的生物,对人们的生产以及生活等各个方面都有非常大的影响。伴着测序这种新技术的突飞猛进,研究者们已经测序出许多种病毒的基因和蛋白质序列。运用序列分析的方法,探讨病毒之间的分类以及它们的起源和进化关系对理解它们的功能方面起到重要作用,与此同时,也对病毒引起的传染病的预防、诊断、疫苗研发等具有十分重要的实际价值。多序列比对方法是一种传统的序列比对方法,这种方法能够对序列分析起到十分有效的作用,一般情况下都能够构建出较准确的生物进化关系。但对于变异率很高的病毒序列,尤其是单链RNA病毒,多序列比对会出现不准确的结果。此外,多序列比对方法还非常耗时,这导致多序列比对的方法不适用于规模大和序列长的病毒分类和进化分析。基于生物序列统计特征,本文提出了三种非比对的快速病毒分类和进化分析的方法。首先,根据氨基酸的三个重要生化特性,结合氨基酸的分布特征,本文提出了一种描述蛋白质序列的24维特征向量。借助该向量,我们对病毒蛋白质进行分类和进化分析。对多个病毒数据集的分析表明,新工具能够快速、准确地对蛋白质进行分类并推断生物的进化关系。其次,HIV-1包含多种亚型,并且HIV-1亚型分类在病毒感染、诊断和药物设计方面都具有重要意义。基于HIV-1基因序列的统计特征,我们提出了一种十分有效地描述病毒序列的数字向量——子序列自然向量（SNV）。SNV包含核苷酸的数量、核苷酸在序列中的平均位置和二阶矩。同时,我们改进了线性判别分析方法,最终实现了对HIV-1亚型的正确分类。在6902个全基因组以及11668个pol基因数据集上的分析表明,SNV方法得到几乎100%的敏感度和特异性。与主流的HIV-1亚型分类方法Kameris、Comet和REGA相比较,SNV方法在准确性上具有明显的优势,并且所花时间也少得多。SNV方法还能够正确构建HIV-1的系统发育树。最后,本文从各类常见病毒的基因序列的统计特征出发,提出了一种非比对的快速病毒分类方法——位置相关自然向量（PCNV）方法。该向量包含核苷酸的频率、平均位置和位置的协方差,能够将基因序列转化为18维向量。通过多个病毒数据集的验证表明,PCNV方法能够快速、准确对病毒分类和构建生物的系统发育树。与基于贝叶斯推理的方法和两种主流的非序列比对的方法进行比较,我们的方法准确率和速度都占优势。