本发明涉及频谱感知技术，具体地说它是一种基于机器学习的高效快速工业频谱认知方法。该发明针对现有频谱感知方法处理工业复杂电磁环境下频谱大数据时存在的计算量大、速度慢、能耗高等问题，首先采用主成分分析(PCA)方法对工业频谱大数据进行降维处理，提取特征数据，降低数据处理复杂度，提高感知效率；然后采用单类支持向量机(OCSVM)对降维数据进行分类训练学习，并利用粒子群算法(PSO)对训练参数进行迭代优化，提高频谱认知准确度，避免陷入局部最优；最后，采用优化学习的工业频谱认知模型对实时工业频谱进行认知。本发明具有复杂度低、感知精度高和快速高能效的特点，可实现频谱感知到认知的跨越。