随着基因基因芯片技术的快速发展,生物学在研究方式上发生了巨大的变化,慢慢地由原来的基于实验的定性研究向基于数据的定量研究靠拢,生物信息学应运而生,为传统生物学注入了强大的动力,特别是近几年围绕微阵列芯片展开的广泛而深入的研究,淋漓地展现了计算机和数学等工具在解决生物问题时的强大威力。本论文的研究方向是生物信息领域的基于基因表达谱的基因挖掘。研究内容和取得的研究成果主要包括五个方面。第一,对相关性理论和特征基因挖掘理论及其方法进行了总结。第二,提出了一个度量基因集合表达差异性的测度FLDT,该测度将fisher线性分类与t-statistic相结合,不但能够给出基因集合整体进行评价,而且同时能够对集合中每个基因的进行评价。第三,在传统的基于决策树的集成基因挖掘算法中,样本空间中的分类平面必须与坐标轴平行,大大限制了该算法的性能,针对此,本论文中提出了一种改进算法,该算法利用基因集合的FLDT测度的独有特性,实现了节点包含的基因数目可以是小于N(N的值由用户指定)的任意数目的改进,提高了原算法的灵活性和分类能力。第四,目前存在大量的基因挖掘的方法,对于这些算法的评价渐渐也成为一个研究方向,目前提出的各种评价方法,大多是采用数学分析和随机模拟的方法,本文提出了一种基于准相关基因集合的评价方法,并基于此提出了一个多个基因排序相融合的算法IndexFusion,该算法可以通过多个基因排序得到一个较优的融合排序。最后实现了一个相关基因挖掘系统,该系统包含本论文中提出的所有算法和其他文献中出现的其他一些方法。