1.基于AI的心脏疾病预测系统，其特征在于，所述系统包括：特征关系建模模块基于收集的心脏数据，将每类信息映射到多维特征空间中，分析特征节点之间的条件相关性程度，通过相关性信息将特征节点相互连接，量化特征间的联动效果，得到特征条件依赖关系分析结果；

空间特征分布分析模块基于所述特征条件依赖关系分析结果，对特征节点在多维特征空间中的分布情况进行细化分析，判断特征组合的协同作用，对特征组合中相邻节点和连接边的贡献度进行量化，划分为具有影响力的特征组合，构建特征簇依赖结构；

健康风险预测模块基于所述特征簇依赖结构的数据，将心脏数据按时间划分为固定窗口，分析每个时间窗口内特征簇的状态变化，量化特征簇的波动情况，通过计算模糊熵值，将模糊熵值转换为特征簇的波动指标，依据波动指标判断健康状态的稳定性，生成健康风险评估结果；

风险群体识别模块基于所述健康风险评估结果，对判定为高风险等级的个体数据点进行聚集分析，识别具有风险的特征簇，生成心脏疾病数据中的风险群体识别结果。

2.根据权利要求1所述的基于AI的心脏疾病预测系统，其特征在于，所述分析特征节点之间的条件相关性程度的获取步骤具体为：基于收集的心脏数据，对心脏疾病的特征包括年龄、血压、胆固醇、心率信息进行提取和预处理操作，将处理后的数据作为特征节点映射到多维特征空间中，每个节点包含其特征值和对应样本索引，得到特征节点数据集；

根据所述特征节点数据集，采用公式：

;

计算在特征节点 发生的情况下，节点 的条件概率 ，得到相邻特征节点关联度分析结果；

其中， 是相邻特征节点 和 同时出现的联合概率， 是特征节点 的边缘概率，即 在样本中出现的频率。

3.根据权利要求2所述的基于AI的心脏疾病预测系统，其特征在于，所述量化特征间的联动效果的获取步骤具体为：根据所述相邻特征节点关联度分析结果，确定节点间的连接权重，若权重超过预设的相关性阈值则在节点之间建立连接边，并将权重值附加到边上，记录在邻接矩阵或邻接表中，生成特征关联图；

根据所述特征关联图中的节点和边信息，采用公式：

；

计算特征节点 、 、 同时处于某些状态时的联合概率 ，得到特征条件依赖关系分析结果；

其中， 是条件概率，表示在节点 和 已经发生的条件下，节点 发生的概率， 是条件概率，表示在节点 已经发生的条件下，节点 发生的概率，是边缘概率，表示节点 出现在样本数据中的概率。

4.根据权利要求3所述的基于AI的心脏疾病预测系统，其特征在于，所述对特征组合中相邻节点和连接边的贡献度进行量化的获取步骤具体为：基于所述特征条件依赖关系分析结果，通过比较单个特征节点的边缘概率和联合状态下的概率，识别并标记具有协同作用的特征组合，得到特征组合协同效应分析结果；

根据所述特征组合协同效应分析结果，采用公式：

;

计算协同效应评分 ，得到特征组合的整体协同效应数据；

其中， 是特征节点 的权重， 是条件概率，表示特征节点 在其相邻节点 给定的条件下的发生概率， 是表示与特征节点 相邻的特征节点集合，是特征节点 在数据集中独立出现的概率， 用于累加每个特征节点的独立出现的概率 ， 是特征组合中涉及的特征节点总数。

5.根据权利要求4所述的基于AI的心脏疾病预测系统，其特征在于，所述特征簇依赖结构的获取步骤具体为：根据所述特征组合的整体协同效应数据，将协同效应评分与预设评分标准的比较，筛选评分高于标准的特征组合，提取对应的节点和边的信息，得到具有影响力的特征组合；

将所述具有影响力的特征组合中节点和边的信息按权重记录在邻接矩阵或邻接表中，依次添加节点和边，标注每条边的权重值，将关联的节点分组合并，建立特征簇依赖结构。

6.根据权利要求5所述的基于AI的心脏疾病预测系统，其特征在于，所述获取特征簇的波动指标的获取步骤具体为：基于所述特征簇依赖结构的数据，将心脏数据按时间划分为固定时间窗口，逐时间窗口提取各特征簇内的节点状态信息，对比相邻时间窗口内的状态变化，标注特征簇波动情况，获取时间窗口内的特征簇状态变化信息；

根据所述时间窗口内的特征簇状态变化信息，采用公式：

;

计算模糊熵值 ，得到特征簇的波动指标；

其中， 是特征节点的索引变量， 是在时间窗口内第 个特征节点的相似性概率， 是特征簇中的主要特征节点数， 是权重调整系数， 是特征节点的索引变量，是第 个特征节点的非相似性概率， 是特征簇内的非相似性特征节点数。

7.根据权利要求6所述的基于AI的心脏疾病预测系统，其特征在于，所述健康风险评估结果的获取步骤具体为：根据所述特征簇的波动指标，通过比较每个时间窗口内波动指标与稳定性阈值，判断特征簇的波动幅度，并监控时间窗口内波动指标的变化趋势，得到健康状态的稳定性分析结果；

根据所述健康状态的稳定性分析结果，将每个时间窗口内的波动指标划分为多个风险等级，记录每个时间窗口的风险等级信息，生成健康风险评估结果。

8.根据权利要求7所述的基于AI的心脏疾病预测系统，其特征在于，所述心脏疾病数据中的风险群体识别结果的获取步骤具体为：基于所述健康风险评估结果，提取判定为高风险的个体数据点，识别高风险的特征簇，将每个特征簇的数值范围、波动情况和异常点整理成数据集，并进行筛选，得到风险特征簇信息；

根据所述风险特征簇信息，采用公式：

;

计算邻域密度 ，识别密度最高的区域，生成心脏疾病数据中的风险群体识别结果；

其中， 表示特征簇的编号， 是第 个特征簇内的高风险数据点数量， 是第个特征簇的邻域体积， 是邻域内的高风险特征簇数量。