肿瘤种类繁多,其致病机理复杂,是危及人类身体健康的主要恶性疾病之一,尽早确诊对患者的治疗至关重要。基因芯片技术是功能基因组学的一个突破,它所产生的基因表达谱数据极大的推进了功能基因组学的发展。基于基因表达谱的数据挖掘,可以让我们更好地认识肿瘤,从分子生物学角度去探索其发生机理,对肿瘤诊断、治疗以及新药物的研制都具有积极的意义。由于基因表达谱数据具有维度高、样本小、高冗余以及高噪声等特点,本课题采用时频分析工具从三个角度研究了肿瘤基因表达谱数据的特征提取。本课题提出了利用小波包变换对基因表达谱进行分解,进而提取相应各频带的样本熵值构成特征向量。然后本课题针对基因表达谱数据的高噪声特性,提出对肿瘤基因表达谱数据进行EMD分解,计算出相应各IMF与原始数据的相关系数,保留相关系数较大的IMF分量并重构数据,进而筛选获得特征向量。此外,利用基因表达谱数据在分数阶傅里叶变换最优阶次上的全局特性,筛选分数阶傅里叶系数幅值的熵权较大的位置的分数阶傅里叶系数作为特征向量。最后针对分别来自美国MIT大学和普林斯顿大学数据库的急性白血病、结肠癌等基因表达谱数据集进行了仿真验证,分类结果正确率都达到了90%以上。