肿瘤的发生和发展是一个复杂的多阶段过程。它通常是由于某些基因突变和异常表达所致,或者进一步影响另外一些基因的表达,从而导致细胞内一些蛋白质分子发生改变,并由此产生肿瘤病理学上的差异,因而形成了临床诊断中的不同分类。所以肿瘤治疗的挑战在于不同病理的肿瘤类型需要相应的治疗方案,从而获得最大的功效并使患者受到最小的伤害。而对于肿瘤基因表达数据集进行分类是治疗中的一个关键的问题。本文研究了肿瘤基因表达谱数据,根据其数据特性和生物机理,提出了两种特征基因选择的方法。本文主要做了以下几方面工作:第一,提出了Kmeans_iic方法。将此算法应用到结肠癌表达谱数据中,提取到22个特征基因并且正确率达到86.4%。继续推广到前列腺癌、混合系白血病表达谱数据的特征基因选择中,其正确率分别达到92.29%和93%,并且获得重要的特征基因。从而说明该方法能从庞大的基因表达谱数据中提取重要的特征基因,并且所提取的特征基因对疾病的临床诊断和生物医学研究有重要的参考和借鉴作用。第二,提出Relief_ AGA _SVM方法。此方法是结合算法,主要使用自适应算法并结合模式识别的方法来提取特征基因。它弥补了遗传算法易于陷入局部收敛的缺点。将其应用于肿瘤基因的特征提取,不仅较好地提高了算法的效率,也识别出重要的特征基因。