高血压是严重影响我国居民健康的慢性病之一,对其早发现和早预防不仅可以节约医疗成本,而且可以减轻对病人造成的危害。本文以提高医护人员对高血压的诊断效率和准确率为目标,分析和研究了特征选择和分类算法在医疗诊断系统的应用,设计了基于朴素贝叶斯和人工蜂群算法的高血压诊断系统。该系统可将诊断结果显示出来供医护人员参考,辅助医护人员对高血压进行诊断。主要工作如下:(1)通过查阅国内外的大量文献,研究医疗诊断辅助系统的发展现状及存在的问题,设计论文的研究路线。(2)使用人工蜂群算法对高血压特征集进行特征选择,并针对标准算法中观察蜂局部寻优能力弱的问题,提出改进的LS-ABC特征选择算法。通过局部搜索策略改变观察蜂的寻优机制,使解的搜索范围进一步扩大和精细化,从而改善算法的寻优性能。实验中将LSABC算法和标准人工蜂群算法、全局最优引导人工蜂群算法进行比较,结果表明LS-ABC算法在特征子集的质量、收敛速度、分类准确度方面都有所提升,能较好地过滤掉冗余特征,适合对高血压进行特征选择。(3)结合朴素贝叶斯分类算法和C5.0算法的各自优势,将两种算法相结合,建立高血压诊断模型。首先运用朴素贝叶斯概率估计优化算法进行分类,移除所有错误分类的训练集,改善决策树遭遇过度拟合而精确度下降的问题。接着用更新后的训练集构造一个决策树,决策树具有更好的处理属性依赖的能力,将其运用到测试集中得到分类结果。朴素贝叶斯与决策树混合分类模型既体现出了朴素贝叶斯概率估计优化算法分类的精确性,又发挥了决策树分类速度快和便于理解的优势。(4)根据高血压诊断系统的总体设计和各个模块的功能,设计了基于朴素贝叶斯和改进人工蜂群算法的高血压诊断系统,并对系统各个模块及其功能进行开发和测试,最终实现了辅助医护人员进行决策的预期目标。