MRMR算法具有快速、高效等优势，在处理高维数据方面较为流行。提出一种基于组策略的MRMR改进算法（MRMRE），该算法不仅考虑单个特征属性的相关性与冗余性，同时针对特征组间的相互关系进行研究。算法以MRMR算法为框架，以CCA作为度量基准，选择SVMs作为基分类器，使其特征选择效果提升。在UCI机器学习数据库中图像与基因序列数据集上的大量实验表明，与MRMR算法相比，所提出的算法其特征选择结果具有更高的结果稳定性与分类精度。