近年来,数据挖掘领域中的模式识别方法已广泛地应用于功能磁共振(fMRI)数据的研究中。本文以fMRI数据为基础,对69名精神分裂症患者和62名正常人进行判别分析。不同以往的研究中使用LDA、ICA、参数T检验等方法挑选显著特征,本文使用EM算法挑显著特征。在分类器的选择上,本文使用的是应用较为广泛、有较好的分类效果的支持向量机(SVM)分类器。基本思路如下：首先依照AAL模板将人脑划分为90个分区,将这些区域fMRI平均时间序列两两之间的相关系数通过Fisher’s r-to-z变换转换成z值,使用EM算法挑差异最显著的前20条特征,从而找到异常的脑区。然后分别使用EM算法与双样本T检验挑选显著的特征,用SVM分类器分类,比较应用这两种挑显著特征的方法进行分类的效果。最后通过置换检验构造置信区间判断分类结果的可靠性。结果显示：精神分裂症异常的脑区主要位于默认网络,与注意、感觉、听觉相关的网络。这些脑区包括额下回、颞横回、楔叶、内侧和旁扣带脑回、额上回、丘脑等脑区。这些脑区对应着病人与正常人脑区之间的显著性差异,这为精神分裂症的病理研究提供了一定的理论依据,对辅助医生进行医学临床诊断具有现实意义。用EM算法挑特征分类的最高准确率为76.3%,用双样本T检验挑特征分类的最高准确率为74.8%。