生物信息学(bioinformatics)是八十年代末随着人类基因组计划的启动而兴起的一门新兴交叉学科,是生物学与计算机科学以及应用数学等学科相互交叉而形成的。在解释生命本质的过程中已经认识到,不仅遗传信息是生物生存所必需的,而且遗传信息的表达调控也是生命本质所在,因此,对基因表达数据的分析也就成了揭示生命奥秘的关键。基因芯片或微阵列技术是最近分子生物学实验技术的一个突破,利用该技术可以同时对成千上万个基因的表达数据进行平行分析,但同时也产生了海量的有用数据,如何从这些数据中找出基因之间的表达调控关系,揭示生物现象的内部机制,是目前生物信息学领域研究中的难点和热点。聚类分析也称聚类,是多元统计分析的一种,同时也是数据挖掘中的重要研究领域,是数据分组和划分处理的重要手段。聚类的目标是在没有任何先验知识的前提下,根据样本自身的相似性划分成若干个子集,使相似的样本尽可能归为一类,而不相似的尽量划分到不同的类中。目前,聚类分析已经成为基因表达数据分析中的一种非常重要的分析方法。文中完成的主要工作有:(1)介绍了生物信息学、基因芯片、微阵列技术的相关知识,以使读者对微阵列数据有初步的了解;(2)简要地介绍了聚类分析的原理、发展、聚类分析方法,阐述了聚类分析的应用;(3)阐述了模糊C均值算法的原理,分析了其存在的不足之处,并在前人研究的基础上,提出了基于有效性测度的核化距离模糊C均值聚类算法,通过实验的方式验证了改进算法的有效性;(4)阐述了基本蚁群算法的原理,分析了基本蚁群算法的优点及不足,并在此基础上对现有的算法做了改进,给出了相应的算法流程和实现;(5)采用两种经典的实验数据集,对提出的蚁群算法进行了仿真实验,并和其他聚类分析算法进行了比较,验证了改进蚁群算法在处理微阵列数据聚类问题时的有效性。最后,总结了当前工作,分析了相关问题,给出了在该方面的进一步研究工作,并对蚁群聚类算法进行了展望。