变分自编码模型中的生成模型及识别模型均采用多层神经网络结构,在求解优化问题时采用标准的随机梯度下降及信念传播方法可以进行推理和学习,但是信念传播训练计算模型参数需要耗费大量时间。因此本发明提出一种结合随机化技术的变分自编码方法,通过对变分自编码中的神经网络部分引入随机化技术,在保证训练精度的通知,降低算法的训练复杂度。本发明方法包括：模型建模单元、优化目标构建单元、及优化问题求解单元。模型建模单元是对结合随机化的变分自编码模型进行建模；优化目标构建单元通过变分近似构建优化目标；优化问题求解单元采用随机化技术降低传统信念传播中训练复杂度,同时可以保证训练精度。