1、基因微陣列技術為生物學研究提供了新的視角，但其維度高、樣本少的特點也對生物學家、統(tǒng)計學家及機器學習研究者提出了挑戰(zhàn)。如何從微陣列數據中提取出有效的知識一直是研究的重點和難點。目前的研究已經能夠從一些基因微陣列疾病數據中提取生物學知識，自動生成分類規(guī)則。這些規(guī)則被有效地用于疾病分類、治療等領域，極大地推進了對基因微陣列數據的研究熱情。
　　近年的一些進展表明，在基因微陣列分類問題中，基因之間的動態(tài)關系對于分類是有效的。這給分類器設計

2、帶來新的啟示。本文集中于對基因微陣列中動態(tài)分類規(guī)則挖掘方法的研究，主要成果是提出了兩種新的動態(tài)分類規(guī)則提取算法，用于自動地從數據中挖掘出有效規(guī)則。
　　第一種算法為GA-ESP。該算法使用TSP方法提取有信息量的基因對，并在基因對上分別使用SVM（支持向量機）構建基分類器。最后，遺傳算法被用于選擇基分類器的最佳組合。通過二類數據和多類數據中的實驗及分析，該算法的有效性得到證明。該算法在較難分類的二類數據及多類數據當中相對k-TSP