帕金森病是一种神经系统退行性疾病,多发于60岁以上的人群,具有诊断困难、病情不可逆等特征。目前国际上还没有确切有效的治愈帕金森病的方法,帕金森病的早期症状容易与因年龄增长出现的身体机能障碍相混淆,所以容易出现漏诊和误诊。对帕金森病越早进行医疗干预,治疗效果就越好,因此研究出一种快速、便捷、安全、准确的帕金森病诊断新方法,对帕金森病的预防和治疗具有十分重要的意义。目前新型的帕金森病的诊断方法包括:基于手绘图特征诊断帕金森病、步态分析和面部表情分析诊断帕金森病,这些研究取得了一定的成果,但是也存在检测过程复杂,对病人身体产生物理损伤等问题,不易进行大范围的帕金森病的检测。研究表明,90%以上的帕金森病人会出现不同程度的语音障碍,所以语音可以作为诊断帕金森病的特征。基于语音特征的帕金森病的诊断具有快捷、高效、安全和准确率高等优点,并且能够大规模的进行帕金森病的筛查,所以具有十分重要的研究意义和实用价值。本课题针对语音特征分类帕金森病,从语音数据采集分析和分类模型优化入手,进行了以下研究:（1）运用UCI数据库中的帕金森语音数据集,对3种不同的特征降维算法和3种机器学习分类算法组成的组合模型进行了训练和分类的研究,并对比分析了不同组合模型的分类结果,得出最优的组合分类模型。（2）现有的基于语音特征对帕金森分类研究,大多数是从特征降维和分类器优化两方面提升分类准确率,没有关注整体样本的分析。本文采用了样本约简算法（NNGIR）去除噪声样本,优选核心样本组成新的样本集,提升分类器的整体性能。通过对比分析,本文采用的样本约简算法取得了较好的效果,不仅提高了组合模型分类的准确率,也减少了算法的运行时间,全面提升了模型的性能。（3）现有公开的帕金森语音数据集都是以外语发音为研究对象,很少有基于汉语特征的帕金森病人分类研究。本文采集了20位汉语帕金森患者的语音,进行语音信号分析、语音特征提取和分类研究,结果证明用UCI数据库中语音数据集得到的分类模型不适用于汉语特征的帕金森病分类,要得到准确的汉语特征帕金森分类模型,还需要丰富的汉语帕金森患者语音数据。