本发明公开了一种基于梯度重优化的半监督小样本分类方法，包括：根据类别信息将数据集划分为元训练阶段和元测试阶段，每个阶段有若干个任务，每个任务分为支持集和查询集，支持集包括有标签数据和无标签数据，计算每个支持集中有标签训练样本的梯度信息，进行梯度优化得到粗分类器；利用粗分类器预测无标签数据的伪标签，得到支持集的全部标签；对支持集数据进行梯度重优化得到精分类器，再测试得到查询集的结果。本发明充分利用少量的有标签数据和无标签数据的梯度信息，提高算法的准确度，并且在计算样本梯度信息和梯度重优化过程中使用元任务的一阶近似值来代替二阶导信息，从而提升分类的速度。