本文研究了基于CART(Classification and Regression Tree)算法的基因芯片数据的分类问题。基因芯片技术对于早期癌症的诊断和确诊是一个革命性工具,它从基因表达的角度判断发病情况。而获得的高维数据和少量样本问题对于分类识别方法提出了很大的挑战。模式识别问题中,对于高维数据来说一般需要进行特征选择或者特征提取来降低维数,目的是提高分类的效率和分类的识别率。特征选取的方法很多,本文采取了小波特征提取细节系数,为了找到基因信息,我们把合适层数的细节系数重构回了原始样本空间,后使用Wilcoxon秩和检测选择一小部分基因表达差异最大的基因。做完特征选取之后,本文以CART决策树算法作为分类器,采用10-fold交叉验证方法来划分训练样本和测试样本,以基尼指数(Gini’s diversity index)作为误差函数,训练样本构建分类器,测试样本用于分类。最后,以最小代价复杂性进行剪枝找到最优规模的分类树。实验使用了三组数据集,结果显示:肺癌微阵列数据、前列腺癌微阵列数据和白血病微阵列数据使用此方法,分类识别率最高分别达到99.45%、92.65%和98.61%,且10次10-fold交叉验证很稳定;此方法还可以得到人们容易理解的分类规则和分类关键基因。实验表明,这个方法可以得到区分类别的特征基因,这些基因对癌症的早期诊断将提供重要的参考价值。