本发明公开了一种基于变步长ADMM算法极限学习机的图像分类方法,提出了变步长交替方向乘子法(Variable Step Alternating Direction Method of Multipliers,Var‑ADMM),通过动态调整求解过程的迭代步长,在弥补ADMM算法收敛缓慢的缺陷的同时有效地提高了运算精度;通过将变步长ADMM算法与ELM相结合,在求解输出权重矩阵的过程中使用正则化的方法限制权重系数的大小,避免因权重系数过大导致模型对包含噪声的输入过于敏感导致识别准确率下降,从而有效抑制了ELM出现过拟合,提升了ELM对图像的分类准确率。