帕金森病是中老年患者三大神经系统变性病之一，随着人口老龄化，其发病率正逐年上升，且呈发病年龄不断降低的趋势。帕金森病的致残率较高，严重影响了中年人的生活质量，因此对帕金森病的诊断和防治已引起了医学界的广泛重视。然而，目前尚无该病早期确诊的标准以及国际通用的指南，大多数医生仅仅根据自己的经验进行判断，这样不但导致误诊率和漏诊率升高，同时加重了患者的经济负担。因此，借助计算机和机器学习方法辅助医生快速、准确地作出诊断，及早地确诊，降低致残率，显著改善患者的生活质量。　　 在对目前的帕金森病及其诊断技术研究的基础上，将粗糙集和机器学习方法（BP神经网络和支持向量机）应用到帕金森病的辅助诊断和预测上，分析了粗糙集属性约简对改善分类器分类效果的作用，并对比了支持向量机和BP分类器的分类能力和预测能力，最终设计实现了基于SVM的帕金森病辅助诊断系统。　　 研究的主要内容有：　　 （1）研究粗糙集属性约简的算法，利用该算法对诊断指标进行约简，将属性约简与分类方法结合应用到帕金森病辅助诊断中，分析其对分类效果产生的影响；　　 （2）介绍了神经网络常用的分类方法及原理，重点叙述了BP神经网络和支持向量机分类原理、算法、实现等；　　 （3）应用支持向量机和BP神经网络分类器进行帕金森病的辅助诊断，分析属性约简对分类准确率的影响，粗糙集属性约简与支持向量机（基于RBF核函数）的分类效果最优，预测准确率达到92％；　　 （4）研究C＃.NET与MATLAB混合编程技术，利用基于COM组件的混合编程方式设计并实现了帕金森病辅助诊断系统，实际病例的诊断测试结果证明该系统有效。　　 研究结果表明，支持向量机的分类效果优于BP神经网络分类器，并且将属性约简与支持向量机结合应用，会明显提高支持向量机的分类准确率，基于粗糙集和支持向量机的帕金森病辅助诊断方法是可行并且有效的。