目前，精神类疾病（如精神分裂症）主要是通过症候学的方法进行诊断。近年来，通过结合神经影像技术与模式识别，对精神分裂症病人与正常人的鉴别研究已经引起人们的兴趣。基于近红外光谱技术（NIRS），最近的研究表明，在语言流畅性任务（VFT）期间，精神分裂症患者的大脑前额叶皮层的功能活动存在异常。因此，一些研究已经尝试采用近红外光谱的测量结合不同的分类方法，将精神分裂症患者从健康人群中区分出来。然而，这些研究都是在不同的数据集基础上，采用不同的分类算法进行分类研究，因而无法对这些分类算法性能进行对比。本文采用多通道近红外光谱系统测量了在汉语版语言流畅性实验中精神分裂症患者和正常人的前额叶皮层的血红蛋白的反应,得到了一个较大的样本（120名精神分裂患者和120名健康人）。本文分析了在VFT任务中精神分裂症患者和正常人的大脑激活情况，并通过统计分析的方法对他们的NIRS信号的相对变化水平进行了比较，结果证实了精神分裂症患者的前额叶的激活程度显著地低于正常人水平。基于以上发现，本文中评估了四种不同的分类器（包括线性判别分析、K近邻、高斯分类器和支持向量机）的对近红外光谱技术对精神分裂症进行辅助诊断的分类性能。采用了三种不同NIRS信号作为特征用于分类研究，并在比较不同分类算法之前，采用主成份分析（PCA）进行了特征提取和选择。通过基于PCA的特征选择对含氧血红蛋白信号进行特征提取和选择，本文使用支持向量机得到了85.83%的最高准确度和83.37%的整体平均准确度。在基于不同类型的近红外信号对精神分裂症的诊断研究中，与现有的方法比较，本文是第一次对不同分类算法综合评估。本文的结果表明，使用恰当的分类方法，近红外光谱信号具有作为一种有效客观的生物标志物的潜在能力，实现对精神分裂症诊断进行辅助诊断。