野点是指集合中严重偏离大部分数据所呈现趋势的小部分数据点。在一些应用领域中，如数据库中的知识发现、机械设备运行状态监测等，野点能提供比正常数据点更多、更重要的信息，是发现新知识、确定新状态的有力手段。已有学者把支持向量机应用于野点检测中取得了一定的成果，但是它需要选择核函数、调整参数等繁琐的工作，并且对数据变化的适应能力不高。　　 从20世纪80年代初神经网络的研究再次复苏并形成热点以来，发展非常迅速，特别是在应用上已迅速扩展到许多重要领域。本文把人工神经网络的方法应用到野点检测中，给出一种新的野点检测的方法。　　 以下是本文的主要研究成果：　　 (1)根据GHSOM算法和GHTSOM算法的发展思想，对野点检测的SOM算法做出改进。首先，利用GHSOM算法增长的思想，让标准SOM结构增长，可以对结构简单的含有一个野点的数据分离出野点；然后，利用平均量化误差的思想，引进一个系数，可以对结构比较简单的含有多个野点的数据分离出野点，但对系数的依赖性比较大，适应能力低；最后，利用GHTSOM算法的思想进一步改进算法，在GHTSOM算法中，每个子SOM结构的神经元个数固定为三个，为了提高稳定性，本文中把每个子SOM结构的神经元个数固定为两个，可以对结构复杂的含有多个野点的数据分离出野点，并且适应性比较高。　　 (2)改进后的算法能够分离出野点，可以成功应用于野点检测。并且给出了不同的野点检测的例子，分析了算法的性能和扩展能力，性能比较稳定，对不同数据的适应能力比较强。　　 (3)与野点检测的支持向量机方法相比，该人工神经网络方法的优点有：不用选择核函数；不需要对核函数的参数不断进行调整；能很好的适应数据分布的变化。