癌症已被定性为一种异源性疾病。当某些调控细胞生长的基因发生突变时,这种突变会造成细胞生长速度失控,从而导致细胞疯狂的生长和分裂进而导致癌变。癌症可以产生在人身体的任何一个部位。通常,人体中的细胞会根据身体的需要分裂出新的细胞。当原本的细胞受到伤害甚至是死亡时,这些分裂产生的新的细胞将会替代这些受损的细胞。但是,当身体发生癌变时,整个过程会受到巨大影响。癌症所导致的异常的细胞分裂速度会导致当某些细胞应该死亡时依然存活,这会使得新的细胞生成受到阻碍。而同时这些应该死亡的细胞则继续分裂,这可能会导致肿瘤的形成。当肿瘤被诊断为恶性时将会严重危害人类健康,但即使在同一肿瘤内,不同的细胞也可能具有不同的遗传变化。通常,癌细胞比正常细胞具有更多的遗传变化,这也意味着癌症是一种十分复杂的疾病。因此尽早发现癌症亚型是十分具有临床意义的,并且会大大提升患者的生存概率。本文主要提出了一种全新的解决癌症亚型聚类的算法。。我们的算法将患者的基因特征,mi RNA特征,Iso特征通过切比雪夫距离构建了三个患者间的相似度核。而在使用基因特征构造相似度核前,我们使用了LASSO算法将患者的基因特征和患者的生存时间进行拟合,在实现特征选择的同时也选择出了我们认为的致病基因。我们为了能够充分利用患者的信息也就是充分利用我们构造的相似度核,我们使用了SKF相似度核融合算法将我们构造的三个相似度核进行融合,得到一个包含潜在信息的患者间的相似度核。而这个相似度核可以看作患者间的一个带权图,我们在这个图上进行谱聚类算法得到每个患者对应的类别。我们的方法得出的结果不仅在已有的五个数据集上有着出色的表现,同时在我们首次提取的数据集上同样有着出色的表现。我们还通过生存曲线和热图直观展示了我们的结果,从对应的生存曲线中可以看出我们找出的癌症亚型是有着十分大的差异的,从热图中可以看出我们找出的致病基因确实起了关键的作用。我们提出的方法在提高了已有的癌症亚型聚类算法的基础上,还找出了部分癌症亚型的致病基因。并且这些基因中的大部分都可以在GEO数据库中得到确认,这些致病基因也许会在后续的科学研究和临床治疗上发挥重要的作用。