精神分裂癥和抑郁癥患者的臨床表現不僅有一定的相似性，而且會隨著患者情緒的變化而變化，因此容易導致臨床診斷出現誤診。腦電圖 (EEG) 分析為準確區分和診斷精神分裂癥與抑郁癥患者提供了重要的參考和客觀依據。為了解決精神分裂癥與抑郁癥患者之間誤診的問題，提高區分和診斷這兩類疾病的準確率，本研究提取了 100 名抑郁癥患者和 100 名精神分裂癥患者的靜息態 EEG 信號特征，包括：① 信息熵、樣本熵、近似熵；② 統計學屬性；③ 各節律相對功率譜密度（rPSD）。然后，利用這些特征組成特征向量，結合支持向量機（SVM）和樸素貝葉斯（NB）分類器對精神分裂癥和抑郁癥患者進行分類研究。實驗結果表明：① 以各節律的 rPSD 組成的特征向量 P 的分類效果最好，平均準確率可達 84.2 %，最高達 86.3%；② SVM 的分類效果明顯優于 NB；③ β 節律的可分性最好，準確率最高，可達 76%；④ 特征權重較大的電極主要集中在額葉和頂葉。本研究結果表明，SVM 結合各節律 rPSD 組成的特征向量 P 組成的分類模型，對精神分裂癥和抑郁癥患者的區分具有較好的效果，或可對相關的臨床診斷起到一定的輔助作用。