DNA微阵列(基因芯片)技术的出现，使人们能够获得高通量的基因表达数据，这将成为今后重要的生物医学研究工具。但微阵列数据具有小样本、高维度的特点，这给数据分析带来了困难，从中挑选主基因即进行特征选取是十分重要和有意义的。 在数据挖掘中，孤立点检测有着重要意义，可以用来发现数据集中小部分对象，以提高数据质量或发掘含有重要信息的数据单元，对于微阵列数据进行孤立点检测是十分有必要的。 在特征选取分类方面，本文使用遗传算法挑选主基因，其中用k最邻近方法作为模式识别方法，使用支持向量机构建一个分类器，运用不同核函数进行预测分类性能测试。通过实验，在经典的白血病微阵列数据集上，对于34个样本的测试集，达到了100﹪的分类准确率，表明本系统对于该基因表达数据具有很好的分类识别能力。 在孤立点检测方面，本文提出一种新的基于KNN图的孤立点检测方法——“两阶段法”。通过实验，该方法在模拟高维数据、真实低维数据(NBA数据)和真实高维数据(微阵列结肠数据)中表现良好，对于结肠基因表达数据检测得到的6个孤立点具有一定的代表性，表明本方法能够有效地检测孤立点，并且适用于高维微阵列数据分析。