随着时代的进步和社会生活水平的提高,人们在很多方面的生活品质和生活方式也在不断改善,诸如健康、居住、休闲、医疗、出行等。同时,信息化发展带动了各行业进步,而互联网则拉近了企业、农村、城镇、学校、家庭、医院、社区、工厂之间的距离。社区是对人们活动和信息管理最直接最有效的平台,通过社区网络化建设可实现居民信息数据的共享,便于各部门不同角色的人们之间的沟通和决策,这些都得益于物联网（Internet of Things,Io T）的支撑和优势。进入二十一世纪以来,物联网在推动技术创新、促进经济发展、提高生活质量方面表现出良好的应用前景。与此同时,得益于5G、IPv6、AI等多种新技术的发展,健康物联网作为物联网领域的重要分支,以其无法比拟的优势在健康服务、远程医疗方面发挥着越来越重要的作用。而涉及该领域的现有研究中存在数据冗余、通用性差、操作复杂、疾病预测精度低、成本高等诸多不足之处,难以应用于实际的社区健康基础设施建设中。本文以物联网环境下将数据融合方法应用于社区健康管理中为研究目标,系统而全面地讨论了物联网环境下数据滤波、数据融合、疾病预测等社区健康数据管理中的一些关键性问题。主体内容主要分为三个部分,第一部分,主要分析传感器数据滤波方法,第二部分主要是探讨基于数据融合的疾病预测方案,第三部分主要是在整合前两部分内容的基础上加入数据存储、用户管理等一系列附属功能,进而完成社区健康管理系统的构建。主要研究工作包括（1）针对不可靠环境下传感器数据的采集问题,探讨了物联网传感器的数据滤波方法,首先使用传感器采集环境数据,然后加入随机噪声干扰,接着由ARM2440硬件平台构成的数据汇聚节点先对数据进行Kalman滤波,得到数据的最优期望,最后将数据上传至网络服务器进行分析和存储,实验结果充分证明了该方法能够减少随机噪声干扰带来的测量误差,从根本上提高系统的精度和处理效率。（2）针对大数据环境下数据冗余问题,讨论了数据去冗余方法。一方面,运用主成分分析（Principal Component Analysis,PCA）法从横向角度减少数据维度;另一方面,结合聚类分析方法从纵向角度减少冗余数据,进而能够充分挖掘样本数据中的关键信息以提高后续工作的处理效率和质量。（3）针对传统疾病预测方法准确率低的问题,提出了经过人工蜂群算法（Artificial Bee Colony,ABC）优化的支持向量机预测方法,对比分析结果表明,该方法能够有效预测潜在疾病。（4）针对传统架构下设备之间的兼容性不足的问题,建立了基于JSON的社区健康网络信息交互接口,确定了明确的数据传输格式,确保了不同类型设备之间互联互通,提高了信息传输的移植性、自主性。（5）构建了数据融合健康管理系统,实现了数据采集与存储、数据融合分析、疾病预测、消息推送、医疗建议、建立健康档案等功能。