近年来,抑郁症的发病率在不同国家都有着明显的增加,造成的危害也逐年增大。现阶段识别抑郁症的方法主要有:医生的主观识别法,该方法容易偏离客观事实;体内激素检测法,该方法通常会与一些躯体性疾病混淆造成误诊,且患者等待结果的时间较长、便捷性较差。为了使抑郁症的识别相对客观可靠、高效便捷,本文以脑电信号为基础,结合案例推理检索方法,对抑郁症的识别作了深入研究,主要工作如下:(1)针对案例推理模型中加权相似度检索策略的识别准确率不高、稳定性不强等问题,提出了一种新的融合赋权方法,该方法利用遗传算法对主成分分析、变异系数、信息熵三种计算权重的方案进行融合。采用标准欧氏距离和改进余弦两种方案作为相似度检索策略。利用五折交叉验证的方法在UCI的23个公开数据集上对融合赋权的相似度检索方案做了验证,结果表明,该方案在不同数据集下能够有效提高识别准确率。(2)通过融合赋权的相似度检索方案识别抑郁症。首先对脑电信号数据进行属性约简,构建信息检索表;然后对表中属性进行赋权;最后对比融合赋权条件下标准欧氏距离、改进余弦两种相似度计算方案对抑郁症的识别效果,确定识别抑郁症的最终检索方案。实验结果表明:提出的基于标准欧氏距离的融合赋权检索方案在抑郁症识别中能够获得约为91.64%的准确率,这在一定程度上可以有效降低误诊、漏诊的现象。本文所做的工作在一定程度上提高了案例推理过程中检索方案的识别准确率和可推广性,为高效可靠地识别抑郁症提供了新的思路,也为研究抑郁症的相关领域工作人员提供了一定的参考。