在此论文中,主要研究了高维蛋白质波谱数据的特征提取问题。波谱技术自诞生至今,其应用越来越广泛,在蛋白质研究领域亦是极为重要。蛋白质波谱在癌症识别领域,应用广泛。但是,蛋白质波谱数据的研究一直被高维度问题所困扰。在蛋白质波谱数据的研究过程中,随着数据量和数据维度的增长,如何通过降维来提取数据的有效特征显得越来越重要。本论文针对高维蛋白质波谱癌症数据在降维过程中的问题,提出基于低频系数小波分析技术和主成分分析技术以及基于高频小波分析技术和主成份分析技术两种高维蛋白质波谱癌症数据特征提取的方法,并主要对两种方法进行了实验验证分析。使用第一种方法对8-7-02数据集进行2层小波分解时,分别使用db1、db3、 db4、db6、db8、db10、haar小波基,并使用支持向量机进行分类,正确率分别达到98.18%、98.35%、98.04%、98.36%、97.89%、97.96%、98.20%。使用线性分类器进行分类,正确率分别达到96.80%、96.96%、96.70%、96.92%、97.25%、97.00%、96.54%。与之前研究者们的方法相比,正确率持平甚至有所提高,而且大大的减少了耗费的时间,提高了工作效率。