乳腺癌严重困扰着广大妇女的身心健康，但其发病机制尚未完全清楚，给治疗带来极大的困难。论文在大量的生物信息学、乳腺癌知识的背景下对乳腺癌基因表达数据进行了分析。将预处理之后的基因表达数据进行聚类，聚类方法采用的是模糊C-均值算法，并针对传统模糊聚类的缺点采用曲线拟合的方法进行了改进，将改进后的算法应用于乳腺癌基因表达数据。采用改进划分系数的聚类有效性，对改进模糊C-均值算法进行了评价。实验结果表明，采用曲线拟合所确定的最佳聚类数与改进划分系数的最佳聚类数一致，而且有效地减少了噪声数据的干扰。通过对聚类结果的分析，根据乳腺癌基因表达的改变，推断出不同的药物对乳腺癌的疗效。论文主要内容包括：　　 (1)对预处理方法讲行了大量的研究.并针对乳腺癌基冈表j大数据的特点，进行了如下预处理：对乳腺癌基因表达值表和基因信息表的集成、对基因表达矩阵丢失数据的填补、合并重复出现的基因、根据挖掘的需要对数据进行变换和筛选。　　 (2)对模糊C-均值聚类算法，提出了采用曲线拟合的方法来确定最佳聚类数。论文将改进的算法应用于乳腺癌基因表达数据，聚类结果对观察药物的疗效具有重要的意义。　　 (3)论文采用改进划分系数的聚类有效性，对改进模糊C-均值聚类算法进行了评价。实验结果表明，采用曲线拟合所确定的最佳聚类数与改进划分系数的最佳聚类数一致，而且有效地减少了噪声数据的干扰。　　 (4)使用VC++编程语言和SQL Server2000数据库管理系统开发了一个模糊聚类原型系统，对聚类结果进行了可视化，将聚类的结果采用散点图的方式直观地展现出来。