1.基于高斯图模型的脑网络建模与模式分类方法，其特征在于包括：
步骤1.脑网络构建：应用高斯图模型估计功能磁共振数据的稀疏逆协方差矩阵，构建脑网络功能连接模型；
步骤2.特征构建：取脑网络中边的权重，即稀疏逆协方差矩阵的下三角矩阵，作为备选特征集S0；
步骤3.特征选择：从备选特征集S0中选取具有良好区分能力的最优特征子集S1；
步骤4.分类模型：基于最优特征子集S1训练分类器非线性支持向量机；
步骤5.模式分类：使用分类器对功能磁共振数据进行分类，验证特征子集S1的有效性。
2.如权利要求1所述的基于高斯图模型的脑网络建模与模式分类方法，特征在于：
所述步骤1中，使用步骤4中拥有最大训练正确率的参数λ值为测试样本构建脑网络模型。
3.如权利要求1所述的基于高斯图模型的脑网络建模与模式分类方法，特征在于：
所述步骤2中，将稀疏逆协方差矩阵的下三角矩阵拉直构成行向量作为备选特征集合。
4.如权利要求1所述的基于高斯图模型的脑网络建模与模式分类方法，特征在于：
所述步骤3中，使用t检验与SVM-RFE相组合的二次过滤方式从备选特征集中选择最优特征子集。
5.如权利要求1所述的基于高斯图模型的脑网络建模与模式分类方法，特征在于：
所述步骤4中，分类器支持向量机选用径向基函数RBF作为核函数，并使用网格搜索方法确定参数c和g。初始搜索范围为(log(c):-8～0，log(g):-8～1)，步长为log(step)＝0.5，得到最优组合(c0,g0)后，局部搜索范围为(log(c0)-2～log(c0)+2，log(g0)-2～log(g0)+2)，步长为log(step)＝0.1。