基因芯片技术的迅速发展产生了海量的基因表达数据。如何分析和处理这些数据，从中提取出有意义的生物学信息，已经成为后基因组时代的研究热点。聚类方法是目前基因表达分析研究的主要计算技术之一，能将功能相关的基因按表达谱的相似程度归纳成共同表达的类别，有助于对基因功能、基因调控、细胞过程以及细胞亚型等进行综合的研究。目前，已有多种聚类方法被应用到基因表达数据分析之中，在取得了大量成果的同时也出现了一些问题。本文即围绕聚类方法在基因表达数据中的研究与应用开展各项研究工作。 本文首先依次介绍了生物信息学和基因芯片技术，从而引出基因表达数据，然后介绍了基因表达数据分析的基本内容和几种常用的聚类算法，包括四种层次聚类算法，K-均值聚类算法以及SOMs聚类算法，并在章节的末尾给出了四个具有外部标准的基因表达数据集。接着本文对基于群智能的基因表达数据聚类算法进行了深入的研究，先阐述了近几年来聚类算法在基因表达数据上的研究进展，接着介绍了遗传K-均值聚类算法，最后重点提出了一种新的基因表达数据聚类算法--基于QPSO的基因表达数据聚类算法，然后使用前文提到的数据集进行了大量实验。实验结果表明，基于QPSO的基因聚类算法具有良好的性能。然后在后续的章节中研究了基因表达数据聚类算法的外部评价和参数选择，介绍了rand指数并对前面提到的几种聚类算法关于相似度和数据转换方式的选择进行了探讨。最后介绍了聚类算法结果的内部确认技术并运用FOM方法对前文提及的相关基因表达数据聚类算法进行了验证。