癌症也被称为恶性肿瘤,是一种复杂的的疾病,治愈的关键是如何及早发现和精确治疗。然而从基因表达谱的角度看,很多肿瘤具有不同的亚型,不同的肿瘤亚型具有不同的基因表达特征,所以很难根据临床特征进行肿瘤亚型的区分。基因表达谱可以提供任一给定状态下细胞内成千上万基因同时表达的定位信息,从而使得可以了解和洞察肿瘤产生和发展的机理,以便在基因表达水平上对肿瘤亚型进行精确区分。但是,由于基因表达谱数据存在“高维小样本、高噪音、高相关性”等特点,使得如何从海量的基因表达谱数据中提取有效的数据从而进行分类,并确定为某种肿瘤亚型成为了具有挑战性的课题。本文基于基因表达谱数据,从基因表达水平上对肿瘤亚型的分类进行研究,主要研究内容如下:(1)提出了 一种改进的最优折衷合成判别函数(Improved Optimal Trade-off Synthetic Discriminate Function,IOTSDF)滤波器方法。基因表达谱数据之间存在一定的相关性,而相关模式识别方法通过构建相关滤波器,可以将差异表达基因与肿瘤相关基因决定的肿瘤亚型对应起来,从而有效避免数据相关性导致的问题。通过优化该滤波器的控制参数,使改进的最优折衷合成判别函数(IOTSDF)滤波器具有噪声容差高、分类能力强等特点。在真实的肿瘤数据集的实验结果表明,该IOTSDF算法在一定程度上具有较高的分类能力并能有效抑制复杂噪声。(2)在相关滤波器方法的基础上,将最大边缘相关滤波器方法MMCF用于肿瘤亚型识别。己有的研究表明,在分类方法中SVM具有较好的泛化性能,相关滤波器算法具有分类精度高的特点。MMCF方法将相关滤波器方法以及SVM方法的优点结合起来,从而在分类识别方法中具有更好的泛化性和鲁棒性,通过在不同的基因表达谱数据集进行测试证明MMCF分类器具有较好的分类性能和泛化性能。