二十世纪末,在分子生物学领域,出现了DNA微阵列技术,它属于一项高通量的测序技术,即可以在同时测试细胞中成千上万个基因活性,仅仅是一次实验,这使得以前对单个基因的研究,现在进入到了基因组学的研究。通过对基因表达谱进行数据挖掘,对研制新药、了解疾病发展机理以及诊断等具有重要意义。基因表达谱数据具有高维、小样本、高噪声、高冗余以及连续型等特点,这对传统数据挖掘方法的应用提出了更高的要求。本文在梳理、分析和总结现有数据挖据方法的基础上,针对目前基因表达谱数据挖掘方法中所存在的问题展开,主要从特征基因选择方面进行针对性研究。研究内容和主要成果如下:本文将邻域互信息理论应用到特征基因选择方法,并将基于优化特征的邻域互信息作为相关度的度量标准,提出了一种特征基因选择算法。首先对所有基因进行排序,采用Relief F算法,并取其前k个基因作为初次选择的基因子集,并剔除了噪声基因,以期降低数据维数,同时提高数据质量;然后,对于对邻域互信息模型的性能,考虑到邻域半径的影响,本文采用差分进化的算法实现它的优化;最后,采用前向贪婪搜索策略改进了邻域互信息模型,并且实现了基因的最终选择,而剔除了更多的噪声和冗余基因,使之获得了具有更高识别性能和明确的生物意义的特征基因。仿真实验结果表明,本章提出的方法获得的特征基因的识别精度和特征基因数量等方面明显优于Relief F、Kruskalwallis、Gini Index、MI和NMI等方法。