摘要：在現(xiàn)代社會中,由于不健康的生活方式和壓力,導(dǎo)致慢性病患者的比例逐漸增加,為了更好地預(yù)測潛在疾病,需要研究卷積神經(jīng)網(wǎng)絡(luò)(CNN)的各種模型,這些模型可以從非結(jié)構(gòu)化數(shù)據(jù)(例如醫(yī)學(xué)數(shù)據(jù))中識別知識對象。但是,CNN全連接的網(wǎng)絡(luò)結(jié)構(gòu)需要占用大量內(nèi)存。此外,隨著層數(shù)的增加易出現(xiàn)過擬合,從而出現(xiàn)錯誤。為了解決這個問題,提出一種基于CNN的健康模型,即相關(guān)影響因素的知識挖掘模型,所提出的方法使用雙層結(jié)構(gòu)的隱藏層。通過模型發(fā)現(xiàn)的影響因素的規(guī)則,將它們分為肥胖,高血壓和糖尿病等影響因素。對于性能評估,根據(jù)知識挖掘?qū)τ绊懸蛩氐膽?yīng)用來評估CNN模型的均方根誤差(RMSE)。通過提出的健康模型,可以得出有關(guān)各種因素關(guān)聯(lián)的知識。