生活节奏的加快使人们面临的压力日益增大,亚健康人群也随之增多,人们的健康观念逐渐从“有病治病”向“未病先防”转变。为实现“未病先防”,健康评估是必不可少的环节。目前,健康评估主要方法有主观调查法与生理参数检测法,但面临的问题在于缺乏客观性与统一的评估标准,同时无法综合考虑多源生理参数的波动,造成评估的不准确性与不稳定性。鉴于此,如何选择多个生理参数且选择恰当的机器学习算法对人体健康进行综合和科学的评估,这是本文的研究重点。为了解决上述问题,本文选择AP聚类算法对多个生理参数进行聚类,实现健康评估。AP聚类算法具有简单、快速等特点,且在解决很多数据集聚类问题上比传统聚类算法能够获取更好的聚类效果。自问世以来,多个领域都在运用此算法实现聚类,如商务智能、数字医疗等。但是,AP聚类算法依然存在偏向参数和阻尼因子对该算法的聚类效果的局限性以及算法复杂度高等问题。鉴于此,本文给出了相应的解决方案。本文选取了人体的血压、肺动脉压、心率、血氧饱和度、体温和呼吸频率六大基本生理参数,运用改进后的AP聚类算法实现人体健康状况评估,最后结合Java、JSP及数据库等技术,设计开发了人体健康评估系统,实现人体健康评估。本文主要研究工作有:(1)基于改进AP聚类算法研究。首先是针对确定偏向参数和阻尼因子取何值能够使算法产生最优聚类结果,且当算法震荡产生后能够自动消除并收敛的问题,提出了基于遗传算法的AP聚类算法改进;其次是针对算法复杂度高问题,提出了基于密度峰值聚类算法的AP聚类算法改进;最后将这两种算法进行综合,优势互补,得到最终改进后的AP聚类算法。该算法不仅能够获取到最佳偏向参数和阻尼因子值,使得算法的聚类效果得到进一步的提高,还能在一定程度上缩短算法的运行时间。(2)基于改进的AP聚类算法的人体健康评估模型分析。主要是数据源的获取和抽取,数据预处理,人体健康评估模型的建立、测试和结果分析。(3)人体健康评估系统的设计与实现。运用Java、JSP、Echarts、CCS和MySQL数据库等技术,实现了用户注册登录、用户基本信息管理、生理信息输入及管理、健康评估和指导、历史数据可视化等功能模块。本课题的研究不仅可以对人们的健康状况进行评估,还可以为医疗人员提供相对比较完整的人体电子健康档案。从仿真实验结果显示,本文所提方法不仅在准确率方面优于其他方法,而且在一定程度上缩短了运行时间。因此,本课题的研究不仅能够为数字驱动的电子健康管理方面做出一些贡献,还能在AP聚类算法的改进和应用方面提供新的思路。