近年来,社会的飞速发展,伴随而来的就是大量的数据的产生。对于这些海量的数据,人们希望能过其中的大部分数据找出某些规律来指导人们日常的行为。在这个过程中,人们大多数情况下都认为只有那些大量相似的数据才会包含某种重要信息,从未忽略了某些少数样例。然而,正是这些被人们认为无用的数据可能包含着人们没有发现的更重要的信息。正是由于这个原因,人们提出了异常点挖掘算法。异常点挖掘又被称为离群点分析、异常检测,是数据挖掘技术的一个重要方面。目前,已经有很多种异常点挖掘算法被人们提出,最被人们熟知的有基于距离的和基于密度的挖掘算法。但是两种算法都具有一些不足之处,它们不适用于一些高维数据。本文提出了一种基于神经网络的异常点挖掘算法,该算法利用神经网络来对数据进行分类,再结合信息熵来判断数据是否为异常点,避免了其它异常点挖掘算法的一些不足之处。最后,在一些数据集上进行了试验,并对结果进行了分析。实验结果表明,该算法可以有效的发现数据中的异常点。