对于任何个体,其状态和活动情况都与环境有着密不可分的关系,将信息挖掘和利用延伸到环境信息中,可以进一步揭示事物规律。机器学习是21世纪初期发展起来的一项重要技术,是人工智能实现的基础;非线性理论更是研究方法从独立研究到整体和系统性研究的极大转变。因此,利用机器学习和非线性理论的方法分别来研究不同的环境信息,将能较为全面和深入地展现环境信息以及环境信息与个体互动关系。本文在查阅大量国内外相关文献的基础上,以“环境信息”为主要内容展开,并取得了一系列有价值的成果。本文具体从四个部分进行研究:(1)外环境信息分析。本文基于车辆自动驾驶引导方法的研究,将环境信息量化为引力场的大小和方向,得出了基本规则和强规则的自动驾驶引导方法,从而展现环境信息的利用可以引导个体行为。(2)体内微环境的外在表征分析。很多医疗指标均是体内微环境的外在表征,本文基于结直肠癌术后存活期预测的问题,提出基于FCM聚类方法的一种加入场景认知的变量聚类法,筛选出对术后生存期有关联性的指标,用以训练BP神经网络,得到了结直肠癌术后存活期预测模型。该部分通过外在表征指标展现了体内微环境对整个机体生存状态的影响作用。(3)体内微环境分析。本文深入到基因层面,利用非线性混沌思想,基于微环境的三维表征Landscape概念,给出了 一种领域压缩修复法的基因修复方法,该修复法具有稳定性和兼容性,开拓了新的基因修复思路。(4)进化外环境与体内微环境的互相作用分析。本文以微环境的N维表征——基因调控网络切入,首先提出基于时间的基因调控网络构建方法,得到了基因的表达顺序,再与基因的位置顺序对比,发现了基因的“时空一致性”,展现了进化过程中外环境的改变影响着体内微环境中基因的激活和产生,进一步推论得出,基因位置或能反映进化的进程。综上所述,本文以机器学习与非线性理论为主要技术手段,从外环境到体内微环境环境再到内外环境结合,由浅入深地探索分析环境信息与个体的互动关系,得到的方法和结论对以后相关领域的研究提供了借鉴和指导。