本發(fā)明公開了一種基于自編碼器和遺傳算法的高維數(shù)據(jù)異常子空間檢測方法。所提出的AEG模型包括兩部分結(jié)構(gòu)，第一部分是用神經(jīng)網(wǎng)絡(luò)構(gòu)建稀疏自編碼器，利用絕對正常的無標(biāo)簽數(shù)據(jù)迭代優(yōu)化學(xué)習(xí)最佳的編碼?解碼方案，將測試數(shù)據(jù)輸入訓(xùn)練完善的稀疏自編碼器中并基于重建誤差得到數(shù)據(jù)點(diǎn)的異常分?jǐn)?shù)，結(jié)合自動閾值檢測高維數(shù)據(jù)的異常值。第二部分結(jié)合自適應(yīng)遺傳算法對稀疏自編碼器檢測到的異常數(shù)據(jù)集進(jìn)行高維異常子空間搜索，從而實(shí)現(xiàn)異常點(diǎn)的異常子空間定位，對于得到的異常子空間特征可以投入進(jìn)一步的分類訓(xùn)練。本發(fā)明實(shí)現(xiàn)了更加簡單快速的異常過濾，提高了高維數(shù)據(jù)的異常值檢測及異常子空間定位的效率，提高了異常現(xiàn)象的解釋性。