独立成分分析（ICA）最近在磁共振（MR）图像分析的应用中受到了很大的关注。然而，与它在功能磁共振成像（fMRI）中的应用不同，功能磁共振图像中的数据样本数量大于要分离的信号源数量，在MR图像分析中遇到的一个难题是，MR图像的数量通常小于要盲目分离的信号源数量。因此，至少有两种或两种以上的脑组织物质被强制形成一个独立的成分（IC），在这个成分中，这些脑组织物质没有一种可以与另一种区分开来。此外，由于ICA通常由随机初始条件初始化，因此最终生成的IC是不同的。为了解决这个问题，本文提出了一种将过完备ICA与基于空间域的分类相结合的方法，以在每个ICA混合IC中实现更好的分类。为了证明所提出的过完备ICA，进行了OC-ICA实验以进行性能分析和评估。结果表明，只要训练样本的选择得当，OC-ICA的分类实现是非常有效的。
