近年来，社会老龄化程度不断加深，生活压力的增大、节奏的加快，使得老年人的生活、健康护理问题凸显，养老服务与当代老人的养老需求之间的矛盾日渐突出，养老问题成为当下社会亟需解决的问题之一。当前的传统依靠护理人员实现养老服务的模式已经越来越难以满足新时代下多样化的养老需求。同时伴随着老年人人口数量的迅猛增长，养老服务所面临的资源短缺和服务单一问题，这进一步加剧了养老服务业所面临的挑战。当前信息技术的飞速发展，为传统养老服务的升级优化提供了一种有效的解决途径，以便于为当代老年人提供智能化、高效优质的养老服务成为可能。为此，本文进一步对现有的智慧养老服务平台进行更新，进而为老年人提供高效而全面的养老服务。具体地，本文分别借鉴神经网络、数据融合策略、行为特征提取、原子活动建模等技术来优化现有的养老服务平台，从而提高养老服务的质量和效率以满足当前多样化的养老需求。本文工作主要从以下几方面；（1）本系统意在解决养老院信息过于分散、服务设备不能实时跟踪监护老年人行动等问题，结合视频联动监控和RFID技术，对老人身体状况、行为举止进行实时监护，方便医护人员、子女实时了解老人的健康情况。为使多属性数据得到最优决策提出数据融合技术。本文采用了一种基于BP神经网络的数据融合策略来处理这些多样性的信息，通过附加动量在反向传播过程中促使梯度在一个方向上来增加权值和阈值所对应的修正量，从而确保所提出的方法趋于收敛。最终，利用神经网络的自组织、自适应、分布式处理和容错性机制来融合多样性的养老服务数据以改善现有的养老服务平台。（2）视频监控系统作为养老服务中一个必不可少的功能模块，结合人工来监控老年人的活动。随着老年人的人数不断增加，传统单一的人工监控已经难以满足实时监控的需求。为了能够实时了解老人的身体状况，本文提出了一种基于数据融合策略的行为特征提取方法来处理生命体征信息和视频信息，从而对老年人的行为异常和突发情况做出响应。实验运行结果表明本方法不仅提高了数据资源的再次利用以及系统识别的准确性，而且能够很好地对老年人的突发情况进行第一时间的处理，很大程度上保障了老年人的安全。（3）在现有视频监控中，由于视频图像数据的复杂性造成识别准确度不高，这使得老年人体行为的识别问题显得尤为严重。本文提出了一种面向原子活动识别的递归神经网络模型对视频中的老年人行为进行识别，进而为后续的养老服务开发奠定良好的基础。首先，介绍了原子活动识别算法所使用数据的来源、采集方式、实现、训练目标及其对应的评价方法。然后，通过分析实验结果来不断的优化算法，并选择多个不同的角度对原子活动算法的模型进行评估。然后以吃饭、锻炼、睡觉共三种中长期的复杂活动为例，提出一种基于原子活动序列的复杂活动识别方法，将本文的方法融合到现有的养老服务平台中，从而为老年人提供更好的养老服务。（4）本课题通过大量实地调研，从传统养老院对老年人的护理过程、服务种类、管理特点等方面，详细了解了目前养老服务中的智能化需求，结合数据挖掘技术，设计提出基于数据挖掘的智能化养老护理系统。本课题从实际需求出发，对系统的总体、功能、数据库以及多维数据集设计提出了规划，并基于此基础提出了两种数据挖掘方案。一是建立预测模型，以决策树算法为基础，老年人自主选择护理方案预测，研究影响因素的重要性排序；二是建立分析模型，以关联规则算法为基础，寻找护理人员与老年人之间的关联性，为老年人推荐合适的护理人员。通过决策树、关联规则模型的建立，实现方案，并将数据挖掘应用于系统中进行结果的实现。