高血脂常引起多种并发症如动脉粥样硬化、冠心病、脑梗等,是严重影响我国居民健康的一种多发性慢性疾病,因此对该疾病的早发现和早预防显得极其重要。本文以提高医护人员对高血脂的诊断效率和准确率为目标,分析和研究了特征选择和特征提取算法,以及分类算法在医疗诊断中的应用,设计并开发了基于BPCA特征处理算法和K-C4.5分类算法的高血脂症辅助诊断系统。该系统可以有效辅助医护人员对高血脂症进行诊断。主要工作如下:(1)针对现有特征处理算法在处理高维数据时存在数据丢失、冗余和噪声去除效果不佳等问题,提出了一种基于改进BP神经网络算法和主成分分析算法的BPCA特征处理算法。通过重新定义权值和阈值计算公式来提高BP神经网络处理海量数据时的网络修正时间和精确度,同时更加高效地降低数据冗余和噪声;通过对主成分分析算法的数据读入过程进行改进,避免数据读入时重复扫描数据库,降低数据读入时I/O操作时间和数据读入冗余。最后通过实验对比BPCA算法、BP算法、PCA算法的实验结果,BPCA算法模型不仅缩短了特征子集选择时间,提高了正确率,而且具有较高的稳定性。(2)针对决策树构建效率低、分类精度不高、以及分类后的数据存在过度拟合和等问题,提出了一种基于改进的C4.5算法和K阶邻(KNN)算法的K-C4.5分类算法模型。在原有算法基础上,对决策树的信息增益率进行改进,不仅降低决策树构建的复杂度而且提高分类精度和效率,然后使用KNN算法对决策树的分类数据做进一步的预测分类。实验结果表明,K-C4.5算法模型具有更高的分类准确率和分类精度,且多项性能指标上明显优于其他分类算法。(3)根据高血脂症辅助诊断系统的设计需求,设计出了基于BPCA特征处理算法和K-C4.5分类算法的高血脂症辅助诊断系统,并对系统各模块功能进行开发和测试,结果表明,本系统的功能达到预期目标,实现了高血脂症的辅助诊断。