本发明的目的是解决目前对于事件流分类采用的脉冲神经网络难以兼顾处理时间维度和大量冗余数据的技术问题，而提出一种面向事件流分类的突触卷积脉冲神经网络，可以在保证处理精度的前提下有效缩短脉冲神经网络的延时。该神经网络局域具有可学习的衰减系数的多阈值LIF模型构建，脉冲神经网络包括依次设置的输入层、多个中间隐藏层和输出层；所述输入层基于DVS数据压缩，采用带权重的脉冲叠加方式将指定压缩率的脉冲序列压缩处理后传递给下一层网络；所述中间隐藏层包括A层基于突触模型的突触卷积层和B层基于多阈值脉冲神经元的全连接层；所述输出层基于投票机制，用于给上一层神经元随机分配标签。