1.一种老年人记忆及认知功能评估筛查预警系统，其特征在于，包括：
生理数据获取单元，用于获取人体生理测量数据；
量表数据获取单元，用于获取蒙特利尔认知评估量表数据；
数据融合单元，用于通过自适应加权法，结合蒙特利尔认知评估量表数据，对人体生理测量数据进行融合；
认知障碍概率确定单元，用于采用遗传算法优化bp神经网络；其中，所述bp神经网络的输入特征向量为融合后的人体生理测量数据，所述bp神经网络的输出特征向量为患老年认知障碍概率。
2.如权利要求1所述的老年人记忆及认知功能评估筛查预警系统，其特征在于，所述生理数据获取单元，具有用于：
通过健康一体机，获取人体生理测量数据；所述健康一体机的自助体检项目，包括：身高体重、心电、体温、血压、血糖、骨密度、多普勒、微量元素、血氧、血尿酸、总胆固醇、中医体质辨识和生化。
3.如权利要求1所述的老年人记忆及认知功能评估筛查预警系统，其特征在于，所述蒙特利尔认知评估量表数据的类型，包括：视空间执行能力、命名、记忆、注意、语言流畅、抽象思维、延迟记忆、定向力。
4.如权利要求1所述的老年人记忆及认知功能评估筛查预警系统，其特征在于，所述数据融合单元，具体用于：
对人体生理测量数据赋值原始权重值；
分析某一类人体生理测量数据是否异常，如果超出正常值，则采用自适应加权法实现权值的确定，以修正蒙特利尔认知评估量表受影响的各维度值；
对于不同组的人体生理测量数据有不同的权值，在总均方误差最小的最优条件下，根据各组人体生理测量数据以自适应的方式寻找对应的权值，使融合后的数据达到最优。
5.如权利要求4所述的老年人记忆及认知功能评估筛查预警系统，其特征在于，所述数据融合单元，还用于：
七类人体生理测量数据融合值为：
其中，
因此，总均方误差为：
其中，σ2是加权因子wi的多元二次函数；
根据多元二次函数求极值理论，求出当加权因子为
6.如权利要求1所述的老年人记忆及认知功能评估筛查预警系统，其特征在于，所述认知障碍概率确定单元，具体用于：
a、初始化权值和阈值：采用某种编码机制对神经网络各层的权值和阈值进行编码，生成初始群体；
b、确定适应度函数：通过计算bp神经网络的误差函数来确定适应度函数，其中，误差和适应度成反比关系；
c、选择运算：选择适应度大的若干个体；
d、交叉运算：按照事先确定的概率，从种群中随机选择两个个体进行基因的交叉互换；
e、变异运算：根据不同的编码策略进行相应的变异，产生新一代群体；
f、重复b-e步骤，逐代进化初始权值和阈值，直到训练结果满足要求或者迭代次数达到预设值为止。
7.如权利要求6所述的老年人记忆及认知功能评估筛查预警系统，其特征在于，所述认知障碍概率确定单元，还用于：
将神经网络误差平方和的倒数作为适应度函数，具体包括：将每个个体所表示的各神经元的连接权值和阈值分配到相应的给定网络拓扑结构中，网络以训练样本为输入输出，完成网络的样本数据正向传播得到误差，个体的适应度值f的计算公式为：
其中，n为输出节点数，yi为bp神经网络第i个节点的期望输出，xi为第i个节点的实际输出。