离群点挖掘由于其在检测金融欺诈和网络入侵、疾病预防和控制、灾害气象预报等许多方面的广泛应用而成为数据挖掘领域中的一个重要研究方向。随着研究的进行,大型、低维数据中的离群点的检测已经有了比较深入的研究,取得了比较多的成果。但是,在大型、高维数据中的离群点的检测则还面临许多的问题和挑战,有许多问题需要进行深入、系统的研究。本文是在现有算法的基础上,提出了基于遗传算法与模拟退火相结合的高维数据中离群点的挖掘方法。本文首先介绍了数据挖掘和离群数据挖掘的概念,论述了已有的离群点检测算法,并对它们进行了比较和分析,然后讨论了几种重要的高维离群点检测算法,指出存在的问题,在此基础上提出了基于遗传算法和模拟退火算法相结合的高维空间离群数据检测方法。该方法首先将高维数据空间的每一维进行网络划分,为了克服由于网络划分造成的相邻数据点的分裂,该方法采用两次划分的方法,并将两次划分的结果压缩到同一棵网格计算树上,然后对落在网格中的数据点进行编码,再计算每个网格的稀疏系数。为了降低计算复杂度,在高维空间查找稀疏系数最小的前n个网格及其中的点。本文采用了遗传算法,为了防止遗传算法的“早熟”现象,算法中引入了模拟退火算法的思想。实验证明,该方法是有效的。