随着我国人口老年化问题的加剧，心脏疾病已经成为威胁国民健康的头号杀手。在世界范围内，全球低、中收入国家中80％的死亡是由心血管疾病引起的，以完善和健全医疗健康服务系统，推进医疗信息化和智能化为出发点，研究心脏疾病的主要影响因素、心脏疾病的病情分类并构建一个心脏疾病辅助决策系统具有十分重要的现实意义。本文以数据驱动的心脏疾病分类模型和算法研究为题，首先分析和整理了上海中医药大学附属曙光医院心脏疾病数据，然后采用数据分类方法，建立心脏疾病患者的病情分类模型并研究相关算法，最终目标是建立心脏疾病辅助决策系统。　　本研究工作的创新之处在于:　　(1)完成了一个符合国人身体特征的心脏疾病数据库。清洗和整理了上海中医药大学附属曙光医院心脏疾病数据，抽取了患者信息、检验检查信息和用药信息等401维特征，共1715条数据记录。　　(2)提出了基于K平面回归的缺失数据补全算法，使用Kmeans聚类算法将数据聚成K个集合，将每个集合的中心看成是对应超平面的几何中心，使用K平面回归技术分别对每一个集合进行回归拟合，通过反复迭代误差函数求每个平面的几何中心和回归系数，直到误差函数保持收敛。最后用回归系数和几何中心进行缺失数据预测。　　(3)给出了基于四次多项式光滑支持向量机心脏疾病等级分类模型，我们先使用进行维数约简技术进行高维数据约简，再利用四项式光滑函数对误差函数进行光滑，然后通过BFGS方法解决多项式光滑支持向量机的最优化问题，最后通过训练集对模型进行训练得到最优的参数，并进行测试集预测，最终获得较好的准确率。