本发明属于智能计算与数据挖掘领域，公开了一种基于增强图卷积自编码器的多组学数据分类方法。首先，针对每种组学数据，通过增强图卷积自编码器结合组学数据的属性信息与拓扑结构信息，以学习更全面的组学特征表示；接着采用真实类概率处理不同组学数据质量的固有变异性和波动对样本的影响，获得不同组学数据下分类预测概率分布；最后设计了一个张量融合网络在标签空间中探索组间关系和组内关系，以实现高效的多组学数据融合及分类。本发明方法充分挖掘了组学数据的潜在特征信息以及组学数据类型之间的交互作用和相关性，分类性能优秀，对提高患者临床诊断结果的准确性以及推动精准医疗具有重要意义。