本发明公开了一种基于条件互信息与核密度估计的脑功能网络分类方法，根据不同组预处理后的fMRI时间序列估计不同组的典型脑因果网络，保留因果连接差异大的ROI间的功能连接；利用核密度估计得到同一种功能连接的强度在不同标签下概率密度的差异，从而得到不同功能连接与标签间的因果强度，据此可放大与标签因果强度强的功能连接，缩小与标签因果强度弱的功能连接；将利用皮尔逊相关系数从预处理后fMRI时间序列中得到的BFN与前两步获得的因果知识融合，得到一个具有丰富分类信息的BFN，并将其送入BrainNetCNN中进行分类。利用条件互信息与核密度估计可以从预处理后的fMRI时间序列以及BFN两方面分别提取因果知识，并将其融入原始BFN中，获得一个具有丰富分类信息的BFN。