本发明公开了一种联合图对比学习的自适应多通道图卷积网络方法。多模态大数据往往由多种的不同结构形式的数据组成，这些数据之间往往具有互补性，相互验证性，融合性的特点。如何准确高效的提取多模态数据之间的互补信息是多模态研究的主要目标。然而，目前大多数做多模态融合的方法仅仅关注多模态之间的互补信息，但往往忽略了单一模态下的特异性信息。除此以外，如何利用图卷积网络从多模态中提取丰富且具有区分性的表达，目前还很少有人研究。为此，本发明公开了一种联合图对比学习的自适应多通道图卷积网络方法，该框架以脑网络研究为背景，不仅能够挖掘脑网络的时间和空间信息，还能够有效的融合多模态的特有和共享特征。