本发明提出了一种基于多阶段图卷积融合的脑功能连接分类方法，通过学习样本在不同子空间下的特征并利用图卷积融合达到脑功能连接分类的目的。首先，对原始的静息态功能磁共振数据进行处理，提取各样本显著的脑功能连接的特征作为各样本的原始特征；其次，利用深度子空间聚类理论提取原始特征在不同子空间维度下的特征；此外，利用数据多阶段的自表达属性自学习出可以更好表示样本间关系的拓扑图结构；最后，利用学习到的多阶段特征和拓扑图结构，采用图卷积融合的方式，输出分类结果。本发明不仅学习了多阶段的特征，并对其进行了有效融合，为脑功能连接的分类决策提供更为全面、不同阶段互补的信息，利用较少的监督信息即能取得良好的分类结果。