1、隨著基因基因芯片技術的快速發(fā)展，生物學在研究方式上發(fā)生了巨大的變化，慢慢地由原來的基于實驗的定性研究向基于數據的定量研究靠攏，生物信息學應運而生，為傳統生物學注入了強大的動力，特別是近幾年圍繞微陣列芯片展開的廣泛而深入的研究，淋漓地展現了計算機和數學等工具在解決生物問題時的強大威力。
　　本論文的研究方向是生物信息領域的基于基因表達譜的基因挖掘。研究內容和取得的研究成果主要包括五個方面。第一，對相關性理論和特征基因挖掘理論及其方法

2、進行了總結。第二，提出了一個度量基因集合表達差異性的測度FLDT，該測度將fisher線性分類與t-statistic相結合，不但能夠給出基因集合整體進行評價，而且同時能夠對集合中每個基因的進行評價。第三，在傳統的基于決策樹的集成基因挖掘算法中，樣本空間中的分類平面必須與坐標軸平行，大大限制了該算法的性能，針對此，本論文中提出了一種改進算法，該算法利用基因集合的FLDT測度的獨有特性，實現了節(jié)點包含的基因數目可以是小于N(N的值由用戶指

3、定)的任意數目的改進，提高了原算法的靈活性和分類能力。第四，目前存在大量的基因挖掘的方法，對于這些算法的評價漸漸也成為一個研究方向，目前提出的各種評價方法，大多是采用數學分析和隨機模擬的方法，本文提出了一種基于準相關基因集合的評價方法，并基于此提出了一個多個基因排序相融合的算法IndexFusion，該算法可以通過多個基因排序得到一個較優(yōu)的融合排序。最后實現了一個相關基因挖掘系統，該系統包含本論文中提出的所有算法和其他文獻中出現的其他一