本发明公开了一种基于多目标优化的高维数据半监督集成分类方法，涉及人工智能集成学习领域，主要解决现有技术中对子空间优化和选择以及半监督信息利用的问题。该高维数据半监督集成分类方法包括下列步骤：S1、输入训练数据集；S2、对输入的上述训练数据集进行数据归一化；S3、产生随机子空间集合；S4、多目标优化选取子空间集合；S5、寻找特征子空间中最优半监督分类器；S6、对测试样本进行分类；S7、计算分类准确率。本发明利用随机子空间解决了高维数据难处理的问题；利用多目标优化的解决方法，充分优化子空间的选择来提高子空间的鲁棒性；并充分利用无标签和有标签的信息来优化子空间的分类器，提高分类器的泛化能力。