系统动态的掌握个人身体机能,了解身体健康状况,树立健康意识是目前国家卫生健康领域的一个重要课题。生物电阻抗分析技术是一项无创、廉价、安全、无毒无害、操作简单的现代医疗检测方法,在人体健康信息的获取与监测中具有广阔的应用前景。体成分和内脏脂肪含量的改变是人体健康状态发生变化的重要诱因,也是普通人群易于分析的两个重要健康指标。传统的医疗检测手段操作复杂、检测成本较高,有的甚至会对人体带来一定伤害。应用生物电阻抗分析技术进行体成分、内脏脂肪含量的测量,并进行健康评估是实现个体健康状态监测和预警的有效手段。然而由于生物组织阻抗包含的生理状态信息并不充分,与人体体成分、内脏脂肪含量相关的关键参数较多,人体健康状态的科学分析过程中存在较多不确定性因素等问题,目前个人对健康状态的认识来源仍然是医学体检。如何利用人体生物电阻抗中带有的生理、病理信息,研究基于生物组织电特性和机器学习理论的体成分、内脏脂肪含量的测量模型并进行人体健康状态评价的新方法,具有重要意义。本课题的关键问题是在人群样本有限、阻抗信号资源有限、健康特征信息关系复杂条件下,通过科学的评价推理过程得到客观的结论。论文在对生物电阻抗技术理论研究的基础上,通过对人群样本相关数据的分析,得到体成分、内脏脂肪含量与样本个体参数的统计关系,利用机器学习领域的研究成果建立预测模型,构建了基于智能结构的健康状态云模型评价系统,主要研究内容如下：1.对人体生物电阻抗测量原理及方法进行了研究。包括人体生物电阻抗测量原理,生物组织电阻抗等效模型、频率特性,基于生物电阻抗的体成分和内脏脂肪面积相关的组织阻抗测量方法等问题,并对测量过程中影响结果的因素做出分析总结。2.对人体体成分预测模型进行了研究。通过样本人群数据的统计,分析了体成分与个体年龄、身高及性别的关系,针对阻抗测量过程中出现的噪声,设计了一种基于中值数绝对偏差的数据滤波器,消除了测量数据中由于突变性扰动或尖脉冲干扰导致的过失数据和随机噪声；将KLPS回归算法应用于人体TBW和FFM的预测,解决了特征数据可能存在的共线性和非线性；针对阻抗信息的局限性,采用相似性局部样本集进行训练学习,针对每个新样本单独建模并做出预测；通过定义训练样本集与待测样本的相似度,在对待测样本特征提取的同时进行KPLS回归；将KPLS、BP神经网络、多元回归、PLS等建模方法分别应用于体成分预测,对比了其在样本人群中的预测结果,通过与标准值的相关性、均方差分析,验证了本文提出的算法在人体成分预测中的有效性和优越性。3.对人体内脏脂肪面积的预测模型进行了研究。首先分析了与人体内脏脂肪含量相关的个体生理参数；针对基于生物电阻抗的人体内脏脂肪面积预测相关参数多,参数间存在一定相关性,训练样本较小,难以建立精确预测模型的问题,提出将支持向量机回归(SVR)应用于人体内脏脂肪面积的训练建模;针对建模过程中输入特征变量选择和SVR参数优化问题,提出将SVR和赤池信息准则(AIC)相组合的模型优化算法,将回归中的参数选择与支持向量机的参数优化看做一个组合问题,采用PSO算法进行搜索,实现SVM参数和输入变量的同时优化；对本文所提方法与KLPS回归、传统交叉验证SVR回归算法及多元回归方法在内脏脂肪面积预测中的结果进行了对比,通过相关性、均方差分析验证了本方法的有效性和优越性。4.对人体健康状态评价系统进行了研究。针对人体健康评价受影响因素多、人群样本非均质、相关数据庞大等问题,借鉴智能控制领域思想将人体健康评价系统分解为决策,测评两个层次,两层分别按智能计算、定性分析、定量执行三个阶段处理不同任务,构建了一种人体健康状态评价系统的智能结构模型,将研究目标不放在对象模式识别的数学模型上,而是建立被测目标模式特征模型的定性与定量结合的知识模型,解决了人体健康测评中任务复杂不易建模的问题；针对在健康评价过程中评价信息的模糊性和随机性,提出了基于自然语言的多属性群决策云模型集结方法；建立基于先验知识的健康评价指标属性与自然语言评语的标准云模型和基于实际测量指标的个人属性实际云模型；通过定义两种云模型的相似度,并进行计算得到测试者的健康评语；通过实例分析表明该评价方法在一定程度上客观的表达了自然语言在定性评价时的亦此亦彼,说明了本方法的可行性,为多属性评价问题提供了一个新思路。5.设计了一套用于人体生物电阻抗测量的仪器装置,完成了人体健康测评系统软件的编程。通过系统实验分别对测量仪器的重复性、相关性进行了分析;给出了详细的实验步骤、实验条件及实验结果,通过对结果的分析验证了设计仪器的有效性。仿真实验和实际应用结果均表明,本文所做的应用基础理论研究和给出的设计方法可适应于人体体成分、内脏脂肪的测量,结果的相关性、均方差优于其他方法,提出的基于云模型的智能结构评价系统适用于人体健康评估,课题的开展为国人健康管理领域健康促进的研究做出了探索。