目前，心血管疾病已对人类的生命健康构成了极大威胁，通过对心血管疾病诊断数据进行分析与处理，可以对心血管疾病进行及时的预测与诊断。论文以心血管疾病预测为研究对象，以预测心血管疾病的多模态信息融合技术作为研究重点，对心血管疾病预测方法进行研究。论文的研究工作包括以下几个方面：
　　（1）对心血管疾病的各项诊断因素进行分析与选择，总结了心血管疾病诊断所需的各项医疗检查数据及数据类型。论文对多模态数据的选择为心电图、心音以及纯数据型医疗数据并分别进行分析与处理。
　　（2）论文将各个模态的医疗数据进行模态转换，其中心电图以美国麻省理工学院的MIT/BIH标准心电数据库作为数据来源及检验标准，并利用Mallat算法计算R波峰值点以及QRS波起止点，最后将特征点的时间与幅值特征作为病理诊断参考依据。
　　（3）针对心音信号的特点及数据类型，利用小波对其进行去噪，采用db6小波对心音信号进行频段划分，采用香农熵提取心音包络，并用时间门的方式表示心音的起止点位置，从而完成心音特征的检测。
　　（4）以心脏病为例，利用PCA算法对克利夫兰基金诊疗所的心脏病数据集进行降维选取主成分，并结合专家打分改进PCA算法对主成分进行权重计算。
　　（5）利用SVM算法对经过PCA处理的多项生理信息进行二分类，选用Gauss径向基核函数并对核函数参数?以及惩罚因子C进行参数选择，取最优预测结果，最后与BP神经网络以及经典SVM的预测结果进行对比。