在多晶硅铸锭配料质量分析中，针对邻域粗糙集-支持向量机(NRS-SVM)模型在处理多晶硅铸锭配料的连续型数据中邻域半径δ和SVM参数的取值问题，提出了将NRS-SVM模型与遗传算法(GA)相结合的两阶段遗传算法(NRS-SVM-GA).该算法的第一阶段通过搜索新的邻域半径来得到较好的约简集合，第二阶段采用第一阶段属性约简结果，通过搜索新的SVM参数训练出准确率较高的分类模型。算法根据每个阶段的目的提出了相应的适应度函数及终止条件，显著特点是实现了NRS-SVM自动化特征提取及分类预测，并将两个阶段单独进行，避免了通过分类器来评价约简性能所带来的时间消耗。在多晶硅铸锭配料数据集上进行实验，结果表明，与标准遗传算法相比，该方法运行时间短，输出结果稳定，可得到较少的特征和较高的分类精度。