بیماری پارکینسون یکی از رایج ترین بیماری های پیش رونده ی تدریجی است که با تاثیر بر سیستم عصبی مرکزی، سبب بروز اختلالات راه رفتن می گردد. ازآنجایی که این بیماری قابل درمان نیست، تشخیص صحیح و به موقع آن، می تواند به آهسته کردن سیر پیشرفت بیماری، کاهش آسیب های جسمی و ارتقای کیفیت زندگی بیماران، کمک شایانی نماید. در این راستا توسعه ی سیستم های تشخیصی با عملکرد سریع، کم هزینه و قابل اعتماد حایز اهمیت است. برای حل این مسئله در این تحقیق، یک روش تشخیصی با استفاده از سیگنال نیروی عکس العمل عمودی زمین که یک شاخص غیر تهاجمی و مفیدی از نحوه کنترل حرکتی فراهم می آورد، ارایه شده است. این روش تشخیصی، براساس تجزیه تعمیم یافته مقدار تکین سیگنال و طبقه بندهای k-نزدیک تر ین همسایگی (KNN) و شبکه عصبی احتمالی (PNN) است. عملکرد این الگوریتم با استفاده از سیگنال راه رفتن 93 بیمار پارکینسونی و 73 فرد سالم مورد ارزیابی قرارگرفته است. نتایج به دست آمده نشان می-دهد که ویژگی جدید متقارن ارایه شده، قادر است بیماری پارکینسون را به کمک روش طبقه بندی k-نزدیک ترین همسایگی و شبکه عصبی احتمالی به ترتیب با صحت 96/19 درصد و 95/67 درصد، حساسیت 97/02، 93/35 و اختصاصیت 95/02، 97/33تشخیص دهد. از سوی دیگر این روش در تشخیص شدت بیماری نیز موفق به ارایه صحت 98/23 درصد و 98/51درصد، حساسیت 93/5 درصد و 100 درصد و اختصاصیت 100 درصد و 96/53 درصد برای این دو طبقه بند، شده است. نتایج با صحت بالای به دست آمده نشان از قابلیت مناسب روش غیرتهاجمی و کم هزینه ارایه شده در تشخیص بیماری پارکینسون و تفکیک شدت آن دارد که استفاده از آن را در کاربردهای کلینیکی ممکن می سازد.