随着数据库技术的迅速发展以及数据库管理系统的广泛应用，数据库不仅在数量上快速增长，规模也越来越大。激增的数据背后隐藏着许多重要的信息，人们希望能够对其进行更高层次的分析，以便更好地利用这些数据。 医院信息管理系统（Hospital Information System，HIS）在国内已发展多年，许多医院也都建立了较为成熟和先进的HIS系统。通过多年的发展，HIS系统在为医院创造了良好的经济效益和社会效益的同时，也积累了大量的数据。如何在这大量的数据资源中挖掘深层次的、隐含的、有价值的知识，是我们面临的一个难题。利用数据挖掘技术开展科学研究，提高医学技术和医院管理水平是很有必要的。将数据挖掘技术应用到医学信息数据库中，可以发现其中的医学诊断规则和模式，从而辅助医生进行医疗诊断。 本文主要探讨了数据挖掘中的分类技术在医院这一特殊行业中的医疗预测中的应用。首先介绍了课题的相关技术背景和领域背景、发展状况等，探讨了其在医院信息系统中的应用状况及发展前景。其次，研究了两种传统的分类算法：决策树分类算法（包括ID3算法，J48算法），Bayes分类法（包括朴素贝叶斯分类法，AODE分类法）。对它们的推理过程和适用性进行了详细的阐述。通过分析和比较，验证了模型的精度和可靠性。然后，本文详细分析了基于遗传算法的分类器模型的构建过程，在原有的基本遗传算法的基础上，对个体编码方案进行了改进，并利用改进的编码方案求出支持度和置信度以衡量规则的适应性。 最后，本文以某社区医院医疗数据库系统中的居民健康报告为样本，对各类分类算法进行比较、分析，其中本文提出的改进算法表现出了良好的分类效果。分类结果在预测的准确率、可解释性方面令人满意。