基因芯片技术可以在一次实验中大规模并行检测成千上万个基因的表达量,对癌症等疾病的分类、诊断研究有非常重要的实际意义。近几年来基因表达数据量呈指数式的增长,如何有效的组织分析、处理这些海量的基因表达数据,从中提取出有效的生物、医学信息已成为人们关注和研究的热点。针对这一问题,本文将特征选择方法与以形式概念分析为基础的属性偏序结构图相结合来处理肺腺癌基因表达数据,探索研究一种新的知识发现方法。本文研究了形式概念分析和属性偏序结构图的基础概念与相关定义,分析了属性偏序结构图用于知识发现和可视化数据关系方面所具有的优势,并提出了一个将特征选择与属性偏序图相结合应用于癌症基因表达数据方面的知识发现方案;之后介绍了基因表达数据方面相关内容和所要处理的肺腺癌基因表达数据来源及对其所做的预处理过程;接着结合使用T-test方法和Elastic net方法对肺腺癌基因表达数据进行了特征基因选择,共选出35个特征基因,该过程大大降低了数据的维度。最后,运用c#编程对数据进行离散化处理生成二值的形式背景,进而生成属性偏序结构图,根据图中的簇集分布及层次关系进行知识发现。最终发现,选择出的特征基因在肺腺癌肿瘤样本和正常样本中均差异表达,识别出了与肿瘤发生和转移密切相关的靶基因,而且在对比分析过程中发现吸烟影响部分基因在肿瘤样本中的表达;另外,大部分的特征基因在肿瘤样本中表达值一般,只有少数基因是高表达和低表达的。