随着我国老龄化社会的到来以及人们的物质生活水平稳步提高,人们的疾病健康情况越来越不容乐观,因此越来越多的人非常关注健康问题。帕金森作为影响老年人晚年幸福生活的绝症之一,提前预防是很有必要的。但是传统的疾病检测需要专业人员进行实施,检测周期长、操作复杂,不太能够适应快速检测的需求。由于在医学研究上,基于语音数据实现帕金森病诊断近年来已被证明是一种有效方式,但是,目前相关研究在样本预处理和集成学习方面还考虑不足,从而造成样本对分类器误导、分类准确率和稳定性还不尽人意等问题。目前的帕金森预测系统存在操作复杂、算法不优的问题,不能够满足实验人员的需求,大大地阻碍了实验的推进。因此,本文针对现有帕金森预测特征参数太少导致预测结果不精确的问题,提出采用语音幅度,基音频率,短时过零率和病龄病级四个特征参数进行预测模型的建立,并依托不断实验修改特征参数的权值来完善最终的预测模型使其能够更加精确。结合Android语言设计和Matlab开发了基于移动端的帕金森预测分析系统。本系统具有运行稳定、使用方便、结果准确、界面美观和交互人性化的特点,能够大大提高实验的推进速度。本文主要完成了以下方面的工作:首先,简略地介绍了帕金森病症以及课题研究的背景和意义,同时介绍了帕金森预测在当前国内外的发展状况;然后根据对软件系统的需求分析,介绍了系统开发过程中使用到的各种技术,然后是本文的重点部分,即对软件系统核心算法的设计与实现的详细介绍,主要分为如下几个部分:(1)界面设计。根据系统的设计原则与目标,确定了系统的界面设计方案。(2)模块设计与实现。针对实现该系统所需要面对的几个核心问题进行技术分析,确定解决方案。根据对系统功能和实验运行流程的分析,将系统的各个功能分割到不同的模块当中,详细阐述了每个模块的设计思路和实现代码。(3)分类算法研究。提出了将随机森林(random forest)与样本重复剪辑相结合的分类算法。根据这两种算法建立预测模型使得该模型具有较好的分类性能,并使用该模型对语音数据进行处理得出结果,通过对比不同算法的实验结果,本文所采用的算法预测结果更加准确。最后,通过对帕金森预测分析系统进行一次完整的实验测试,表明了该软件系统达到了设计要求,能够较好地应用于实际的实验环境中。