随着信息技术的迅猛发展,各种各样数据的广泛积累,复杂决策系统、数据挖掘逐渐成为人们商业和科研等工作的需要,成为新的研究和应用重点。在医疗卫生领域,由于各种医疗信息系统的应用、医疗设备的数字化和便携式生理检测设备的应用,医疗数据量急剧增大,这些医疗数据对于疾病的管理、控制和医疗研究都蕴含着深刻的意义。论文将机器学习与糖尿病患者数据结合起来,对数据进行专业化处理,提供个性化医疗建议,对可能发生的健康问题形成预警机制,避免高危患者转为糖尿病患者或者病情恶化,减轻个人和医保负担,以实现糖尿病等慢性病的科学管理。模糊集和粗糙集都可以处理知识表达系统中的信息不确定性,本文将粗糙集中正域、上下近似集相关的理论引入到模糊理论有关隶属度的概念中,将两者结合在一起,形成模糊正域隶属度和模糊近似集,用模糊近似集集合论的知识来求解最优的模糊决策树分裂属性,发现这种方法可以更加有效的处理不确定信息。将本文提出的基于模糊粗糙集的模糊决策树算法与模糊ID3进行实验比较,实验数据采用UCI的数据集,由实验结果可以看到在分类精度不变的前提下,模糊决策树的层数更少,不管是内部结点还是叶子结点,在数目上都有所减少,构造的树规模比模糊ID3的更小,结构也更简洁,这样更易于人们理解并快速的做出正确决策。论文通过对糖尿病诊断标准进行分析处理,先应用粗糙集技术对糖尿病数据进行属性约简,然后在属性约简的基础上,对约简后的属性进行模糊化处理,最后利用模糊粗糙集技术对预处理后的数据构造模糊决策树,提取规则,形成糖尿病预警机制。糖尿病患者可以根据形成的健康预警,及时调整自己的饮食习惯、生活习惯,以期有效地降低糖尿病的发病。