DNA微阵列技术是一种由物理学、微电子学与分子生物学等几个领域综合交叉形成的高新技术,该技术已经在医学与生物学上得到越来越广泛的应用,其中在癌症分析检测上的应用使得在大规模基因水平上深入研究癌症的发生、扩散等病理特征成为可能。特别地,进行可靠的癌症类型诊断与预测、癌症关键基因的识别和癌症的分类已成为当前癌症研究中的两项重要内容。尽管如此,由于基因表达谱数据存在维数过高、样本量很小以及噪音非常大等特点,使得选择与肿瘤有关的信息基因或从基因表达谱中抽取肿瘤特征信息已成为一项有挑战性的工作。从基因表达谱中成千上万个基因中选择分类能力尽可能强的而数量又尽可能少的信息基因子集是极具复杂性的。通常情况下,在如此大的基因空间中进行穷尽搜索是不可能的事情。因此,本文提出了一种基于非负矩阵分解的肿瘤信息的选择方法和一种基于非负矩阵分解的特征抽取方法,并构建了基于基因表达谱的肿瘤分类模型。本文主要做了以下两项研究工作:第一,提出了一种基于非负矩阵分解的特征抽取方法。该方法利用非负矩阵分解(Non-negative matrix factorized:NMF)和稀疏非负矩阵分解(Sparse NMF:SNMF)对基因数据进行特征抽取,然后利用支持向量机(Support Vector Machine:SVM)对处理后的数据进行分类。第二,提出了一种基于非负矩阵分解的肿瘤信息选择方法。先利用基于NMF和SNMF的方法从基因表达数据中选择基因的子集;然后,再利用NMF和SNMF从所选择的子集中抽取特征;最后,利用支持向量机(SVM)对所抽取的特征样本进行分类。本文最后指出了目前肿瘤分类研究中存在的一些问题以及今后需要进一步开展的研究工作。