科学技术地进步推动各行各业快速改革,特别是生物学方面,全基因测序的成功,使得对癌症基因表达数据的获取代价急剧下降,为系统的研究癌症基因组提供了广阔的平台。癌症基因表达数据的特性是维度高、样本量少、信噪比大,如何在这样的数据集中挖掘出有价值的信息,是研究的热点问题。目前,国内外研究学者们对癌症基因表达数据的研究取得了一些成果,但由于技术路线不够成熟,对基因表达数据研究不够透彻,这些成果不能在临床医学上开放使用,所以对癌症基因表达数据的研究仍然需要大规模的验证。在众多的数据挖掘方法中,关联规则的挖掘是最具实际效益的。Apriori关联规则挖掘算法是数据挖掘中经典算法之一,该算法的缺陷也非常明显,针对高维大数据,在生成频繁项集的时候,Apriori算法需要一遍遍反复扫描数据库,生成的候选项集不仅占用存储空间,而且有很多无关项。这样不仅降低了算法的准确性,且耗费时间。针对这一缺点,本文提出了一种新的基于PmR-NRS混合特征选择对原数据集进行降维处理,主要是通过PmR-NRS方法将数据集中特征与类别之间具有最大相关性而特征相互之间具有最小冗余性的特征提取出来,保留最优化的特征子集进行关联规则的挖掘。为了验证本文算法的有效性,将传统的Apriori算法和改进后的Apriori算法作用于四组癌症基因表达数据集进行实验,结果实验证明了PmR-NRS混合特征选择对关联规则的挖掘有很大的作用,降低了Apriori算法的计算复杂度,提高了算法的有效性。针对关联聚类算法的研究,主要介绍的是加权似然模糊k-均值(WPFCM)算法,该算法只适合于低维的数据集,而我们研究的癌症基因表达数据集维度超过了20000。所以提出了一种新的改进算法QR-WPFCM算法,该算法的主要思想就是先对高维数据分解降维,然后进行聚类分析,为了验证QR-WPFCM聚类算法的可行性,我们选择了两组癌症数据集:Golub公布的Leukaemia(急性白血病)数据集和GEO基因数据库的Colon carcinoma(结肠癌)数据集。通过实验也证明了选择恰当的聚类中心,QR-WPFCM聚类算法的准确度可以达到100%,而传统的WPFCM聚类算法的准确度只能达到93.1%。最后在对聚类后的癌症数据集进行关联规则的挖掘,实验结果表明了QR-WPFCM聚类关联规则算法对预测癌症基因标志物有很大的潜能性和应用性。