随着DNA微阵列技术的出现,生物的基因表达数据有着爆炸性的增长,吸引了大量的科研人员投入到生物信息学的研究领域中,使得生物信息学获得了广泛的关注与研究焦点。基于DNA微阵列的肿瘤样本分类方法为快速准确的诊断肿瘤类型提供了新的解决思路。同时由于DNA微阵列的高维小样本与高噪音特性,使得这一诊断方法面临重大的挑战。稀疏表示是近年来出现的新颖的热门技术,并受到了众多研究者的广泛关注,目前已被广泛应用于模式识别领域,如人脸识别、肿瘤分类、聚类、降维等。本论文中,我们围绕稀疏表示技术,研究其在肿瘤基因表达谱数据上的分类问题,并重点关注数据中的高噪音特性,提出了有效的降噪或去噪算法,详细阐述了算法的关键流程,并与传统的算法进行比较。本文的研究工作总结如下:第一,提出了基于元样本的鲁棒稀疏表示分类器,并用于肿瘤基因表达谱数据分类。该算法是一种改进的稀疏表示分类器,它通过增加权重矩阵与迭代算法,降低数据中噪音或异常量的权重值,即降低噪音或异常量对分类的影响,以达到降噪的目的,最终实现提高肿瘤分类准确率。通过与其他算法的实验比较充分说明了该算法的可行性与有效性。第二,利用潜低秩表示算法对基因表达谱数据进行预处理,在此基础上进行分类研究。该算法能够在去除数据中的噪音的同时提取数据中的潜在特征,最终达到提高稀疏表示分类器的分类准确率。大量的实验比较结果证明了该算法是有效的。本文最后指出了当前稀疏表示分类研究中存在的一些问题和今后的研究中需要做的工作。