基因芯片技术为肿瘤疾病的研究提供了一种全新的手段。在一次实验中，人们可以快速测量组织样本中成千上万个基因的表达数据，这在为收集基因表达数据带来方便的同时，也为从海量基因表达数据中挖掘出有用的信息和知识带来了严峻的挑战。由于微阵列基因表达数据是典型的高维小样本、高噪声数据，如何找出对疾病最具分类识别能力、与疾病最相关且具有最小冗余度的特征基因子集，对肿瘤疾病分类、病例诊断以及药物研制等具有重大意义。　　 因此，本文以肿瘤基因表达数据为研究对象，主要研究和探索基因表达数据特征基因的选择数目及特征选择结果的稳定性，以此希望为生物领域专家后续肿瘤疾病的研究提供稳定可靠的候选基因。全文的主要工作包括以下两个方面:　　 (1)研究并实现了一种基于随机序列和相关信息熵的自动特征选择方法。　　 针对研究人员在分析基因特征选择算法时，对于到底选择多少个基因作为特征子集没有定论，目前基因选择数目仍依赖于先验知识，研究人员在分析基因特征选择算法时，主要采用交叉验证，依据测试结果人为的确定特征基因的数目，这往往不能选择到最优的特征基因子集。本文提出了一种自动特征选择方法。首先，结合非参数方法和filter思想，提出通过度量决策序列的“随机性”来计算每个基因的权值并排序;然后，结合相关信息熵进行冗余去除，同时自动地选择出具有高分辨能力、低冗余度的特征基因子集。实验结果表明，文中提出的方法能从多类别肿瘤基因表达数据中自动选出30个具有良好分类能力的特征基因，且具有较高的正确识别率。　　 (2)研究并实现了一种基于平均偏差的样本加权特征选择方法。　　 针对目前基因选择算法对测试样本数量的敏感性问题，即当基因表达数据的样本数量变动时，通过同一特征选择算法得到的基因子集差异很大，甚至完全不同。本文根据在同一训练集中，每个样本都具有独特性，每个样本的表达值是不同的，不同的样本对特征选择结果的影响是不同的这一思想，提出了一种基于样本平均偏差的稳定特征选择方法。首先，计算每个样本在所有基因上的平均偏差和，如果某个样本的平均偏差和明显高于其它样本，那么该样本在训练集中的出现或者消失都将会对特征选择结果产生重大影响，为了减小特征选择方法对样本变化的敏感性，我们就对该样本赋予相对较小的权值。然后再结合基线算法进行基因选择，经实验证明，在不降低特征子集分类性能的前提下，有效提高了特征选择结果的稳定性。