本发明提供一种分类器模型迁移学习方法，包括以下步骤：在原始传感器阵列生命周期末期插入新传感器阵列，并开始采集所述原始传感器阵列及所述新传感器阵列的响应信号；通过所述原始传感器阵列的分类模型信息，预测所述新传感器阵列的类别信息，将所述类别信息称为新传感器阵列的伪label；对所述新传感器阵列的响应信号进行特征提取，与所述伪label共同组成训练集，训练得到所述新传感器阵列的分类器模型；对获取的所述分类器模型参数逐层调整进行优化。本发明的技术方案简化了更换传感器之后更新分类器模型的过程，不中断分类过程，不丢弃先前的分类器模型，还可以实现其他标准模型作为核心分类器。