En este documento, se propone un método de clasificación de la marcha basado en la red de creencias profundas (DBN) optimizada por el algoritmo de búsqueda de gorriones (SSA). Las múltiples características obtenidas basadas en electromiografía de superficie (sEMG) se fusionan. Estas funciones se utilizan para entrenar el modelo. Primero, se extraen las características de la muestra, como las características en el dominio del tiempo y en el dominio de la frecuencia de la sEMG desruidada, y luego se obtienen las características fusionadas mediante combinación de características. En segundo lugar, se utiliza el SSA para optimizar la arquitectura de la DBN y sus parámetros de peso. Finalmente, se entrena el clasificador DBN optimizado y se utiliza para el reconocimiento de la marcha. Los resultados de la clasificación se obtienen al variar diferentes factores y la tasa de reconocimiento se compara con los algoritmos de clasificación previos. Los resultados muestran que la tasa de reconocimiento de SSA-DBN es mayor que la de otros clasificadores, y la precisión de reconocimiento se mejora en aproximadamente un 2% en comparación con la DBN no optimizada. Esto indica que para la aplicación en el reconocimiento de la marcha, SSA puede optimizar el rendimiento de la red de DBN, mejorando así la precisión de la clasificación.