癌症治愈的关键是早期发现和有效治疗。肿瘤诊断和分型是主要的挑战。传统的病理学诊断方法的诊断效率有很大的局限性。基因芯片进行癌症诊断极大地提高了数据获取效率，成为了研究热点。但基因芯片数据存在高维数、高噪声、高通量等特点，如何从基因芯片的海量数据中提取有用的生物学信息，是癌症基因检测的关键。本文主要研究多类癌症基因特征的提取方法，并针对特定问题对相关算法进行了研究，改进了通过类间差异研究基因间相互作用机制的数据分析手段。本文的主要工作归纳如下：第一、数据预处理：基因芯片实验产生的数据存在大量不可靠的数据点，因此对7种类型癌症的微阵列数据，进行数据过滤、缺失值的KNN方法填补和样本间标准化等预处理。第二、针对多类肿瘤分类问题，研究了基于两类的多类特征提取方法，包括：(1)针对两类问题，设计了一种基于小波变换模极大值的特征提取流程，对相关问题的小波基等参数的选择进行了实验研究；(2)在两类差异基因特征描述的基础上，研究了基于MSVM-RFE算法的差异基因特征提取方法，并在GEO公共数据库GPL570平台下对GSE2109的多类肿瘤数据进行分类(560个训练样本和1201个测试样本)，测试准确率达94.4%。第三、改进了基于频繁闭合项集的邻接表和最小生成项的关联规则挖掘算法，并有效地应用于研究基因间相互作用机制，相关研究包括：(1)对频繁闭合项集挖掘算法做了进一步改进，减少了插入与替换操作，提高了算法的效率；(2)对生成最小生成项算法，通过增加项集组合，避免了频繁闭合项集最小生成项缺失；(3)对生成规则算法，简化了概念和算法过程，使得算法更易于理解和应用，并通过实验验证了算法改进的有效性。