随着生物信息学的发展，基于基因表达数据的肿瘤分类已成为诊断癌症的重要有用技术。 由于基因表达数据通常包含数千个基因和少量样品，因此从基因表达数据中选择基因成为肿瘤分类的关键步骤。 粗糙集的属性约简已经成功地应用于基因选择领域，因为它具有数据驱动的特点，并且不需要额外的信息。 但是，传统的粗糙集方法仅处理离散数据。 至于包含实数值或噪声数据的基因表达数据，通常是通过离散预处理使用它们，这可能导致分类精度差。 在本文中，我们提出了一种基于邻域粗糙集模型的基因选择新方法，该方法具有在保留原始基因分类信