微阵列技术是现代生命科学领域中一项具有革命性意义的重大技术,对疾病的诊断和治疗、基因功能的研究都将产生深远的影响.通过微阵列技术,研究人员可以同时监测成千上万个基因的表达情况,并最终获得以矩阵形式记载的基因表达数据即基因表达谱,这使得对大量基因表达数据的分析成为可能.伴随着微阵列技术产生的海量数据,人们认识到只有对基因表达谱进行详尽的分析才能获得对基因的深入理解和系统认识,才能揭示基因与疾病之间的相关性、探索基因所具有的生物学功能.而以基因表达谱为对象的数据挖掘方法为解决这一问题提供了强有力的分析工具.目前,利用基因表达谱进行肿瘤诊断已成为数据挖掘算法研究的重点之一,采用的是以模式识别为目标的挖掘方法.近年来,基因表达谱数据挖掘方面的研究不断取得新的进展,但是仍有许多问题有待解决,比较突出的有以下两点:1.采用微阵列技术同时检测表达水平的基因个数p远远大于所检测的样本个数N,若直接采用标准的统计预测方法其效果并不佳;2.表达数据经常存在噪声干扰,采用基于正态分布假设的参数统计方法存在一定的风险.本文研究的目的就是要探讨上述两方面的问题.针对存在的问题,文中我们提出一种基于非参数方法的模式识别方法.该方法利用微阵列基因表达数据对人类肿瘤样本分类,但并不对微阵列数据作总体分布假设,从而大大降低了噪声对预测结果的影响.所述方法不但可以用于两总体的模式识别(例如肿瘤与正常组织)问题,而且可以用于多总体的识别(多种肿瘤类型).为检验该算法对两总体肿瘤数据及多总体数据的识别效果,文中采用了两套真实的包括不同人类肿瘤样品的表达谱数据.分类结果显示,此算法可以达到较为理想的识别效果.同时也研究了参数敏感性与算法稳定性,并讨论了降维处理方法.为了科研人员能更方便地使用该算法,我们编写了Microarray Data Mining(MDM)软件,这是一个由VC++开发的Windows程序.