癌症、糖尿病、SARS等重大突发疾病的早期发现和确诊是疾病成功治疗的关键。目前,对这些疾病的诊断主要依靠医生的临床经验。论文利用数据挖掘的分类功能分析过往临床数据,将医生诊断经验形式化、客观化,以提高诊断的准确率。论文讨论了医学数据挖掘面临的问题,综述了国内外在应用数据挖掘技术进行医学诊断方面的研究现状和发展。针对医学数据集维度较高、不利于直接处理的问题,论文研究了属性子集选择算法,选择与诊断结果相关性较高的属性子集降以低数据维度。在研究分析多种适用于医学诊断的分类方法的基础上,论文提出基于贝叶斯理论的复合分类方法(Bayesian-based Compound Classification Method,BCCM),采用条件概率计算的方法组合多个分类器的诊断结果以提高分类准确率。运用复合分类器的基本思想,论文对KNN分类算法进行改进,提出基于贝叶斯理论的模糊KNN分类方法(Bayesian-based Fuzzy KNN Classification Method,BFKCM),将每个最近邻居看做简单的分类器,采用基于贝叶斯理论的概率计算方法组合K个最近邻居的预测结果以提高分类准确率。在威斯康辛州乳腺癌数据集和比马印第安人糖尿病数据集上进行的实验表明,BCCM和BFKCM在一定程度上提高了疾病诊断的准确率,有效降低了漏诊率。