当前,中国面临着人口老龄化程度不断加深的问题,老年人口占全国总人口的比例持续增长。老年人的生活照顾、日常护理、健康保健等问题引起了越来越多人的关注,养老问题已经成为社会热点问题。近年来,在我国政策鼓励和扶持养老产业的背景下,实现养老服务智能化、信息化已经成为一种趋势。随着“大数据+”模式和相关技术的发展,智慧养老这一理念也逐渐兴起和普及。电动养老床系统基于电动推杆和控制设备,能够有效降低护理人员的日常护理难度,辅助老人实现起背、屈腿、侧身、离床等动作。虽然此类电动护理床已得到不错的应用,但由于缺乏与新型传感设备,如生命体征传感器、智能穿戴设备的功能结合,尚无法实现老年人生理参数的连续监测,更不能提供当前身体健康状况的评估,也无法预估老年人的生理健康状况。为解决目前国内电动养老床功能单一、技术落后等问题,提出一种基于健康数据挖掘的智能养老床系统。首先,通过非接触式生命体征传感器采集人体心跳信号和呼吸信号,采用压力传感器采集人体的重量信号,基于无线模块将采集到的人体生理参数发送给远程服务器。然后,通过对比分类与聚类方法在心率与呼吸率数据挖掘中的效率,基于K-means聚类实现了健康数据挖掘算法。再次,考虑到传统K-means聚类算法最终聚类结果受初始值选择影响较大的局限性,引入一种极大极小初始化方法,通过典型算法与改良算法的实验对比,改良算法得到的聚类中心误差更小,平均误差从1.4769%降低到0.0767%,聚类结果更加接近标准值。最后,结合时序数据集的特点,引入灰色预测方法,使用灰色GM（1,1）的预测方法预测人体生理数据并为用户的生理健康预估提供数据参考。实验证明本文所提出的这种基于健康数据挖掘的智能养老床系统不仅能够很好地解决传统电动养老床的功能单一、技术落后问题,还能为后续的健康护理等提供准确的健康数据保障。