精神分裂症是一种常见的精神疾病,以思维、情感、行为等方面障碍以及精神活动不协调为主要特征,该疾病在人群中的患病率约为1%。我国精神分裂症患者目前大约有800万,并且呈现逐年上升的趋势。精神分裂症患者的社会功能降低,给患者、家庭以及社会带来沉重的经济负担。目前的精神分裂症诊断方法主要是基于患者的临床表现,但是该方法较为主观,容易造成漏诊或误诊。因此,精准快速的识别精神分裂症患者是一个极具挑战性的研究问题。虽然精神分裂症的神经病理学机制尚不明确,但研究表明精神分裂症的临床症状与其脑功能网络的异常密切相关。近年来,随着神经成像技术的迅猛发展,尤其是功能磁共振成像技术的出现,为人们提供了一种探测精神分裂症脑功能网络的强有力手段。脑功能连接网络的研究在帮助理解脑功能和识别神经、精神障碍的生物标记物方面已经显示出巨大的潜力。然而,目前的精神分裂症脑功能网络研究大多都是基于整个低频段的静态脑网络,忽视了不同频段脑网络的特异性与生理功能,以及脑网络的时变特性。针对这些脑网络研究中存在的问题,本文将开展多频脑网络以及动态脑网络研究,并将其应用于精神分裂症的分类任务中。本文的主要工作包括以下几个部分:（1）针对当前的精神分裂症识别研究大多都是基于低频段信息构建脑网络,本文提出了一种多频网络融合的方法,该方法不仅可以捕捉不同频段（包括低频和高频）脑网络的特异性,同时还能利用不同频段脑网络之间的交互信息。该方法首先将整个频段分为四个子频段,然后构建同频以及跨频脑网络。进一步,使用相似网络融合算法整合不同网络所包含的互补信息。最后,将获得的融合网络应用于精神分裂症分类任务中。实验结果表明,本文提出的方法是有效的,可以作为精神分裂症的辅助诊断工具。（2）针对目前多频网络研究都是基于静态脑网络这一现状,本文将动态网络的概念引入到多频脑网络研究之中,提出了一种多频动态加权脑网络方法。该方法首先将整个频段分成四个不重叠的子频段,然后在每个频段构建动态加权脑网络,并从每个频段的动态网络中提取时间、空间以及时空变化作为特征用于精神分裂症识别研究。在COBRE数据集上的实验结果显示该方法具有良好的分类性能。（3）针对以往基于滑窗法的动态网络研究采用固定窗口长度这一做法,本文提出了一种时变窗口长度的动态网络研究方法。为了更加准确的描述不同脑区信号之间的相关性,本文引入了动态时间规整算法,该算法不仅能捕捉由于脑状态变化引起的非静止时间滞后的脑连接,还能降低噪声的影响。同时,为了进一步减小伪连接的影响,本文还提出了正交最小生成树方法,并将该方法应用于动态脑网络中从而得到更具生物意义的脑网络。随后,我们在COBRE数据集上验证了所提出的方法的性能,实验结果表明本文的方法是有效的。（4）针对目前动态脑网络研究通常只考虑单个窗口网络信息,而忽视了不同窗口网络之间的关联性,本文提出了一种动态网络融合的方法。我们从动态脑网络的概念出发,引入距离关联来描述脑连接,因为距离关联不仅能评估两个信号之间的线性与非线性依赖,还能有效的描述静态与动态功能连接。随后,我们提出了一种改进的相似网络融合算法,并将其应用于整合不同窗口的脑网络。为了验证本文所提方法的性能,我们在两个独立的数据集上进行了实验,实验结果表明本文提出的方法是鲁棒的,能够有效的提高精神分裂症分类性能。