本项目提出基因表达数据中的二维模式发现这一新的模式识别问题,研究其解决方法和在乳腺癌基因表达数据等中的应用。二维模式发现即从基因表达数据中寻找一组基因和一组样本,使得这组样本在这些基因上表现出一致的规律性,而不对其余的样本和其他基因作任何假定。这也可以称作单类模式识别及其特征选择问题。与传统的模式识别问题相比,研究二维模式发现问题更有利于发现疾病中隐藏的局部规律,更符合疾病的复杂性和多样性特点,同时又能兼容两类和多类的模式识别方法,对发展模式识别的理论和方法以及其他领域的应用也有重要意义。本项目将研究这一问题的定义和理论基础,研究其有效的解决方案,并重点对乳腺癌数据进行实验分析,探索乳腺癌淋巴结扩散的规律及其与其他病理因素的关系。