本发明涉及一种具有知识迁移判别能力的数据分类方法,本发明有效解决了现有分类模型无法针对源域与目标域数据分布不同的情况下进行分类且分类精度较低的问题;解决的技术方案包括:本方案通过设计加权MMD(Weights Maximum Mean Divergence,称为WMMD),提升了系统跨域知识迁移能力,为了区分不同类型数据,引入LDA(Linear Discriminant Analysis),对源域样本和目标域样本进行降维,使降维后的数据具有类内方差最小,类间方差最大,相对于已有的分类模型,提高了分类精度。