【摘要】针对传统光谱数据预处理与分析的现状,提出一种基于人工智能的光谱异常数据自适应剔除及自动分类算法,通过遗传算法的优化搜索确定马氏距离的阈值,实现异常光谱的自适应剔除,并提出可量化光谱剔除效果的异常一致性指数(ACI)。在此基础上,借助自组织神经网络方法,以各类观测对象的特征光谱作为输入对象,对剔除后的光谱进行自动分类。经过实验验证,算法取得了较好的剔除效果(ACI达到86%以上)和分类效果(总体分类精度达到94%),较好地实现了异常光谱剔除和光谱分类的自动化处理。