功能磁共振作为研究大脑的重点技术手段,在生命科学领域也越发的重要,而功能磁共振成像与其他学科交叉结合紧密,渗透了其他学科的各方面知识,因此功能磁共振的数据处理方法也迅速发展起来。本文围绕着模式识别领域中两种方法的发展,对其在功能磁共振数据处理中的应用做了深入的探讨,并且对于功能磁共振成像技术的原理和发展以及功能磁共振数据处理的两种方法进行了阐述,本文的工作主要有:SVM与置信区间在MVPA的特征选择中的应用、分层仿射传播聚类算法的设计实现与应用、自适应分层仿射传播聚类算法的设计实现与应用。本文所做的主要工作如下:1.对于多体素分析方法中特征选择效率较低的问题,本文提出了一种SVM与置信区间相结合的特征选择方法,提高了特征选择的效率和准确性,并将此算法应用到功能磁共振数据的特征选择中,在左右手运动实验中的分类正确率达到了100%;2.针对仿射传播聚类无法处理功能磁共振数据的缺陷,本文根据仿射传播聚类方法的原理和算法流程,提出了分层仿射传播聚类算法,并对算法进行了仿真实验和实际的功能磁共振数据的应用,解决了仿射传播聚类方法无法处理大数据量的问题,为功能磁共振的数据处理引入了一种新的聚类方法;3.在分层仿射传播聚类算法的基础上,针对算法中偏向参数选择困难以及聚类结果的主观依赖性大的问题,本文根据自适应仿射传播聚类方法的思想,对分层仿射传播聚类方法也进行了自适应化,设计出了自适应分层仿射传播聚类算法,并对算法进行了仿真实验和实际的功能磁共振数据的应用,解决了分层仿射传播聚类算法中偏向参数选择困难、对个人经验依赖性大的问题,并有效解决了对最优聚类结果的的客观选择问题,进一步完善了仿射传播聚类在功能磁共振数据处理中的应用。