噬菌体病毒蛋白质分类是生物信息学中的一个热门研究领域。本文通过构建一种基于蛋白质序列的噬菌体病毒蛋白预测模型为PVP-MS，提出了一种高效的方法来提高噬菌体病毒蛋白分类的准确性。首先，使用 monoDiKGap 方法提取噬菌体病毒蛋白的特征，接着通过 AdaBoost 方法筛选出最具代表性的特征子集，最后采用序列最小优化分类器对这些特征进行识别。实验结果表明，通过 5 倍交叉验证，PVP-MS 模型能够准确识别 98.4%的噬菌体病毒蛋白，显示出比现有方法更好的性能。