生物信息学是由生物学、应用数学、计算机科学相互交叉所形成的学科,而数据挖掘作为一个崭新的计算机应用领域在生物信息学中有着广泛的应用。空间环境生物信息学数据的分析方法研究是在生物信息学范畴内,基于当今日渐成熟的太空技术展开,主要用来研究空间环境对水稻种子产生的生物学效应的机制,即针对空间环境诱变因素数据以及生物学实验分析获取的表型组、蛋白质组的变化信息数据进行存储、集成和管理,在此基础上,对数据进行聚类分析、关联规则挖掘,试图找出空间环境诱变的机理及蛋白质组改变机制。在查阅大量国内外参考文献基础上,本文开展了以下几项工作:构建诱变水稻变化信息的数据库系统,其中包括空间环境诱因信息、诱变水稻的表型组和蛋白质组信息。构建数据仓库,解决不同组学之间存在的数据不一致、冗余、噪声等问题,为后续的数据分析与挖掘工作打下良好的基础。提出了基于投票机制的动态聚类融合算法,该算法自动确定聚类个数,利用不同的相似度准则运行k-means算法,实现了动态确定运行次数,并将多次运行得到的结果映射到关联矩阵,使用投票机制获得最终的数据划分。该算法具有对领域知识要求和参数依赖程度低等特点。优化并改进了经典关联规则Apriori算法,该算法针对生物信息学数据普遍存在着维数过大、数据量巨大等特点,通过减少数据库记录的扫描次数及频繁项集的生成个数提高算法效率。