En la actualidad, la clasificación de géneros musicales se está convirtiendo en un área interesante y atrayendo mucha atención en la investigación. El modelo multi-característica es reconocido como una tecnología deseable para realizar la clasificación. Sin embargo, las ramas principales de los modelos multi-característica utilizados en la mayoría de los trabajos existentes son relativamente independientes y no interactivas, lo que resultará en características de aprendizaje insuficientes para la clasificación de géneros musicales. En vista de esto, explotamos el impacto de la interacción de características de aprendizaje entre diferentes ramas y capas en los resultados finales de clasificación en un modelo multi-característica. Luego, se propone un método de interacción de características de aprendizaje de nivel medio basado en el aprendizaje profundo correspondientemente. Nuestros resultados experimentales muestran que el método diseñado puede mejorar significativamente la precisión de la clasificación de géneros musicales. La mejor precisión de clasificación en el conjunto de datos GTZAN puede alcanzar el 93.65%, que es superior a la mayoría de los métodos actuales.