一个好的特征选择算法的两个因素是：它的准确性和稳定性。 本文旨在介绍一种稳定特征选择算法的新方法。 本文的创新集中于一类稳定的特征选择算法，即称为特征权重的正则化基于能量的学习（FREL）。 研究了使用L1或L2正则化的FREL的稳定性。 另外，作为提高稳定性的普遍采用的实施策略，提出了集成FREL。 还提出了整体FREL的稳定性边界。 我们使用开源真实微阵列数据进行的实验，这些数据挑战着高维小样本量问题，证明了我们提出的集成FREL不仅稳定，而且比其他一些流行的稳定特征加权方法也具有更好或相当