本发明公开了一种基于特征关系图谱学习的模型训练方法及数据分类方法，对于高维数据中的像素，利用向量记录像素在各个波段上的光谱特征，然后计算向量各元素两两之间的关系值，得到二维特征关系矩阵，之后对该矩阵做分段处理，生成具有多通道的纹理图片。利用卷积神经网络对纹理图片进行特征学习，从中提取隐含在纹理图片中的深层特征。将学习到的特征输入到分类器进行分类，得到当前像素的预测类别，根据所有像素的预测类别实现分类。本发明对特征的描述从一维转换成二维，为每个待分类像素构建图谱，以实现不同类别的区分，使利用原始特征的分类转换成利用二维纹理图片的分类，通过卷积神经网络有效提升分类精度，保证了分类的稳定性和通用性。