后基因时代，随着基因芯片技术的广泛应用，基因芯片实验数据爆炸式地增长。早期主要以聚类算法探索完全未知的基因表达模式。随着基因分类、基因表达模式的逐步明朗，许多更有效的有监督学习算法得到了广泛应用，准确、高效地预测未知基因的功能。支持向量机由于自身诸多优良的特性，使其在基因表达谱数据分析方面颇具吸引力。但是，极其有限的生物实验结果相对于巨大的基因芯片数据来说，所提供的已知信息非常贫乏却很宝贵。如何针对基因表达谱数据的这一特点，进行有效地SVMs分析，鲜有文献报道。本文正是针对这一特点，从拟南芥根部基因表达数据分析这一典型实际例子出发，对基因表达谱数据分析进行深入的研究。 本文主要研究工作如下：1.针对类别数未知，但有极少量已知类别训练点的拟南芥根部基因功能分类的问题，提出了一种基于距离度量学习的多分类支持向量机算法。 2.提出一种推理型多分类支持向量机，并将其转化成一个无约束最优化问题来求解。并将其应用于拟南芥根部基因表达数据分析中，为基因表达数据分析提供了一种新途径。 3.讨论了一种半监督支持向量机模型，该模型将半监督分类的组合优化问题转化成半定规划问题来求解。运用半定规划软件包，完成了算法的具体实现。为基因表达数据分析提供了又一种新方法。 总之，本文针对基因表达谱数据分析问题的先验知识极其贫乏的特性，研究并提供了三种不同的分析方法，数据试验验证了它们的有效性。