本发明公开了一种基于记忆体的无监督域适应图片分类方法，用于在给定有标签的源域数据集和无标签的目标域数据集上，通过记忆体对齐源域和目标域的分布，将源域数据集的知识迁移到目标域数据集上，在目标域数据集上获得较高的图像分类准确率。具体包括如下步骤：获取源域数据集和目标域数据集；用神经网络模型提取数据集中图片的特征，使用聚类算法辅助记忆体逐类别地存储源域和目标域的特征；训练神经网络，以源域与目标域记忆体的分布的相似性作为条件约束神经网络；不断迭代，得到训练好的网络模型；将模型应用在目标域数据集上，进行图像分类任务。本发明适用于无监督域适应领域中的知识迁移，面对各类复杂的情况具有较佳的效果和鲁棒性。