利用DNA微阵列技术产生的基因表达谱数据,进行疾病诊断、治疗、药物研制和药物筛选是当前的一个研究热点。由于疾病诊断和药物研制直接关系到人类的健康,因此研究基因表达数据的分类结果的可信度有着特别重要的意义。　　 针对基因表达谱数据的分类可信度问题,本文利用随机森林的分类强度对其研究,其主要工作有:　　 1.详细介绍了基因表达谱数据分类问题的研究现状和随机森林技术的算法原理。　　 2.针对随机森林现有工具包的缺点,开发并实现了C语言版的随机森林工具包,并给出了MATLAB的接口,使其亦能在MATLAB平台运行。该工具包简便实用,有利于随机森林的应用推广。　　 3.针对基因表达谱数据的分类可信度问题,提出了基于随机森林的票数差和Proximity矩阵接近度之差的两种可信度度量。四个基因表达谱数据集的实验显示,两种可信度量都能准确表征了基因表达谱数据分类的可信度,可信度大的样本很少出现误判现象,而可信度小的样本常会出现误判现象,表明了这两种可信度度量的有效性。