人脑中的复杂连接在静态和动态活动时均存在，不同的大脑神经元、神经元集群、脑区之间在各种时间-空间尺度上相互协调、相互作用，形成一个非线性的、高度复杂的网络，大脑的一切功能认知均基于这个复杂网络。脑电信号则是来自大脑这一复杂系统的生物电信号。近年来，将非线性动力学及复杂网络理论应用到脑电信号分析中，力图挖掘大脑不同脑区之间的耦合关系，以及脑网络的拓扑结构在不同状态下的变化规律，成为多学科交叉研究的热点。非线性动力学与复杂网络理论为大脑这一复杂系统的研究，提供了一个新的视角。本研究分析并改进了时间序列非线性检测方法，对脑电数据的非线性特性进行了检测；多角度分析了大脑中的同步性；探讨脑电功能脑网络的构建及分析方法。并在酗酒者脑电数据上，通过同步性与脑网络属性的分析，探索脑疾病状态下大脑动力学的变化模式；挖掘酗酒这种神经退行性疾病状态下大脑同步性及网络属性与正常被试之间的差异；利用机器学习算法，寻找酗酒早期诊断的生理学指标。本文主要创新工作如下：（1）提出两种新的时间序列非线性检测方法传统的非线性检测方法中采用的特征量有一定的不足，本研究提出基于样本熵和基于模糊熵的两种新的非线性检测方法，并在仿真数据集上验证了新方法的准确性与时间效率。与传统检测方法相比，新方法在准确率上基本相同，但是时间效率大幅度提升。（2）结合脑电的溯源技术，提出一种新的同步性分析方法目前脑电的同步性研究中，同步性的分析都是基于头皮EEG数据进行的。然而，由于脑电的容积导体效应，使得头皮电极之间可能出现伪相关性，进一步影响同步性的度量。本研究利用最新的脑电溯源技术，度量了大脑皮层上自定义的ROI之间的同步性。最后在酗酒数据上对两种同步性分析方法进行了对比研究，发现与传统的头皮电极同步性相比，本文提出的溯源后EEG同步性分析方法能够更加精确地度量大脑进行认知活动时的动力学变化。（3）提出一种新的EEG脑网络构建的阈值选取方法构建无权无向网络时，需要设置合适的阈值T将相关矩阵转换为二值矩阵。目前研究多是在单阈值下分别讨论网络的拓扑特性，本研究提出一种新的EEG脑网络构建的阈值选择方法，可利用网络的小世界属性，计算出一个稀疏度范围作为阈值空间，并在该阈值空间内分析了网络的拓扑属性变化。（4）首次利用复杂网络理论构建并分析了酗酒患者EEG功能脑网络酗酒者EEG的研究中，目前多采用计算某个通道或区域的能量、功率谱、熵等特性。本文首次尝试利用复杂网络理论构建并分析了酗酒者的EEG功能脑网络，挖掘了酗酒者与正常被试脑网络拓扑属性上的差异，从一个新的角度揭示了酗酒引起的脑功能损伤。总之，围绕非线性动力学与复杂网络相关理论，本研究重点研究了同步性分析方法和脑网络的构建分析方法，探讨了大脑同步性与脑网络拓扑属性在酗酒疾病状态下的变化规律，为酗酒可能引起的脑损伤提供了新的视角与证据，是多学科交叉的一个新的研究成果。