美国癌症学会官方期刊发表的《2018年全球癌症统计数据》报告中评估了185个国家36种癌症的发病率和死亡率。数据显示:宫颈癌是42个国家的主要癌症死因,其发病率和死亡率在女性中都排在第四位。报告根据人类发展指数（HDI）将185个国家划分为高资源国家和低资源国家,结果表明发病率和死亡率会随着HDI水平的降低而增加。随着HPV疫苗的普及以及癌症医治水平的不断提高,宫颈癌在资源水平较高的国家和地区的发病率和死亡率都有显著的降低。但是对于广大资源水平较低的国家和地区,由于医疗资源有限,缺乏能够普及到大量女性并且有效合理的宫颈癌高危人群筛查系统。本文数据来源于UCI数据库中的宫颈癌危险因素数据集。对数据进行预处理后,构建基于弹性网支持向量机（ENSVM）的宫颈癌高危人群筛查集成模型对宫颈癌高危人群进行判别和分类。ENSVM在2019年被提出,不仅被证明在理论上具有几何合理性和高维性等优良的特性,而且在二分类实践中也具有优良的预测性能和稳定性,基于此,本文将ENSVM应用于集成模型中。将弹性网支持向量机（ENSVM）、支持向量机（SVM）和K近邻（KNN）作为基分类器,对所有基分类器进行加权融合得到宫颈癌高危人群筛查集成模型,其中SVM和ENSVM的参数均取为交叉验证下的最优参数值,KNN的6)值为交叉验证下的最优6)值及其邻域。将宫颈癌高危人群筛查集成模型应用到宫颈癌危险因素数据集中,就人口统计信息、习惯和历史医疗记录等信息对宫颈癌高危人群进行筛查,以便于及时确定宫颈癌高危人群,集中对高危人群进行医疗观察和医治,降低宫颈癌的发病率和死亡率。为了证明本文提出的模型预测性能较好,以准确率（Acc）、F1分数（F1Score）和AUC值为评价指标,将提出的宫颈癌高危人群筛查集成模型与ENSVM、KNN、XGBoost、Ada Boost和随机森林等常用的机器学习方法进行比较,结果表明本文提出的集成模型在应用中表现最优,分类性能最好。所以宫颈癌高危人群筛查集成模型的提出具有一定的现实意义和应用价值,可以被应用到对所有女性进行宫颈癌筛查,使得筛查覆盖面更广且筛查所需信息不再局限于医学检测信息。