本文以功能核磁共振（functional magnetic resonance imaging，fMRI）数据为研究分析对象，提出了相应的以聚类为核心的数据分析方法，用于解决脑的激活功能区域检测、脑的功能连接发现、脑的复杂网络构建及启发式问题解决脑机制的探索等方面的问题。　　具体研究内容包括以下四部分:　　1)脑激活区检测方法研究。目前已有的各种激活区检测方法，包括各种模型驱动与数据驱动方法、单变量与多变量方法、频域分析与时域分析方法等等。重点研究以聚类为核心的数据驱动的检测方法，研究相关方法存在的问题，尝试找到既能克服存在的问题，又能有效的检测的基于聚类的方法。提出了一种组合自协方差与欧氏距离的相似测度，并将其运用于聚类分析算法Affinity Propagation(AP)中，检测认知任务状态下的脑激活区。研究了主成分分析激活检测存在的问题，提出了一种基于自协方差及主成分分析的激活检测方法。　　2)脑功能连接的分析研究。从脑的功能整合的观点分析脑机制。研究任务状态下及静息状态下的脑功能网络的组成，相互关系。讨论了脑功能网络的检测方法及存在的问题，重点研究任务状态下脑功能网络的发现方法。探讨数据驱动的以聚类为核心的脑功能连接方法的有效性。探讨不同聚类方法的结合所涉及的问题。提出了一种两阶段聚类策略，用于分析发现脑功能连接网络。这种方法能够同时发现认知任务中多个脑活动网络。另外探讨了应用两阶段聚类方法分析静息脑网络的问题并与独立成分法分析结果做了比较。　　3)脑功能复杂网络的构建。研究脑功能复杂网络的构建方法。分析复杂网络统计指标及意义，分析现有的复杂网络模型特点及对应脑网络的生理学意义。分析了现有脑功能复杂网络的构建策略及存在的问题，探讨从不同角度构建脑复杂网络，以聚类分析为先导的复杂网络构建策略及有效性。采用复杂网络方法，基于体素数据，分别对局部脑功能连接网络建模。在一个听觉数据中证实了这些网络具有小世界特性，并发现其无明显无标度特性，通过计算网络中心化指标，发现每个局部网中各关联块间的起关键桥梁作用的节点及特性。　　4)启发式问题解决认知实验的数据分析。启发式问题解决是脑的高级思维活动，涉及到多个脑区。分析现有对相关实验数据的存在问题，探讨数据驱动类的聚类分析方法在探索高级思维的活动模式方面的应用。运用两阶段聚类策略分析了启发式问题解决中脑活动机制，发现问题解决中脑活动的不同模式。从而提供了从不同侧面观察启发式问题解决脑机制的手段。　　主要创新点包括以下几点:　　1)提出了一种组合自协方差与欧氏距离的相似测度，并将其运用于聚类分析算法AP中，检测认知任务状态下的脑激活区，得到与SPM相一致结果。提出了一种基于自协方差及主成分分析的激活检测方法，实验结果表明这种方法的性能比之单纯的主成分分析得到了提高。　　2)提出了一种两阶段聚类策略，用于分析发现脑功能连接网络。这种方法能够同时发现认知任务中多个脑活动网络，网络功能区分布与其他研究者研究结果相吻合。应用两阶段聚类方法分析发现静息态下的脑默认网络，得到的结果同独立成分分析的结果相一致。　　3)提出了以聚类分析为先导的复杂网络构建策略。采用复杂网络方法，基于体素数据，分别对局部脑功能连接网络建模，证实了这些网络具有小世界特性及无明显无标度特性。通过计算网络中心化指标，发现每个局部网中各关联块间的起关键桥梁作用的节点及特性。　　4)运用两阶段聚类策略分析了启发式问题解决中脑活动机制，发现问题解决中脑活动的不同模式，从不同侧面填补了启发式问题解决脑机制的知识。　　在研究方法上借鉴了其他研究人员的经验，研究各种分析方法，对资料进行整理归类比较，发现存在的问题设法改进提高创新。尝试采用新方法解决现有问题及可能遇到的新问题。对提出的方法采用模拟方法验证，然后再用实际数据或者公认的方法对计算的结果进行验证分析。　　总之，本文的研究采用以聚类为核心的方法解决fMRI数据分析，并应用于问题解决的脑机制的研究中。对fMRI脑数据的分析既考虑了分离观点，也考虑了整合观点，同时又考虑了整体特性。这项研究提供了从不同视角观察fMRI数据的新途径。