本发明公开了一种基于高斯隐变量降维聚类中心的功能磁共振聚类成像方法，本发明利用高斯过程隐变量分析，时间序列间的绝对值距离，功能磁共振实验设计模式相关分析和距离指标建立了一种功能磁共振大数据聚类成像模型。利用高斯过程隐变量分析对数据协方差矩阵进行降维，利用降维后的数据向量作为聚类中心，然后利用与聚类中心的最小绝对值距离来对磁共振数据集对应体素进行归类，同时结合实验设计模式相关分析识别任务相关激活区并构建激活指标。本发明通过对协方差矩阵降维后较小的数据集确定聚类中心，避免了对磁共振大数据集直接聚类的常规做法，提高了成像效率、节省了计算资源，利用此模型架构实现功能磁共振成像目前是一种新的技术尝试。