阿尔茨海默病（AD）是痴呆最常见的形式，目前已经被证实的与其相关的致病基因有淀粉样蛋白前体(APP)、载脂蛋白E（ApoE4）、早老素1（PS1）、早老素2（PS2）和tau蛋白。为了深入理解它的形成机制，DNA微阵列表达数据分析就显得非常重要。常用的数据分析方法有很多，如主成分分析（PCA）——一种广泛应用于无监督降维的统计学方法；K均值聚类算法（K-means）——无监督学习任务中的一种常用的数据聚类方法，但是这种方法的缺点是对类个数和质心点选取具有很强的依赖性。本文基于K均值聚类算法的缺点，提出了一种改进方法。首先应用PCA对给定基因数据进行降维，并确定基因类的个数以及类对应的中心。然后，把从PCA获得的结果应用在K均值聚类算法上，来识别AD病的候选基因。最后，本文识别出38个候选基因，其中有8个基因已经得到其他团队研究的支持。本文以已知的致病基因为中心，结合主成分分析算法和K均值聚类算法，找出与已知致病基因相关的候选基因。主要内容如下：第一，阐述了阿尔茨海默病、基因芯片技术和寻找阿尔茨海默病致病基因的研究现状。第二，提出一维分类法，结合主成分分析算法和K均值聚类算法设计了新的算法。第三，运用本文的算法，我们找到了已知致病基因的伴随基因和孤立点，并将其作为阿尔茨海默病的候选致病基因。