本发明公开了一种基于数据挖掘的异常光谱识别分析方法，包括：获取在线近红外光谱数据；对光谱数据进行清洗和预处理；利用半重数采样法将光谱数据划分成标准数据和实测数据；利用最大似然估计无监督学习分类法对标准数据按班别进行分类；根据标准数据的分类结果和实测数据建立异常分析模型，通过监测似然度和主成分判断烟叶光谱数据是否异常，剔除异常数据。本发明的基于数据挖掘的异常光谱识别分析方法，通过数据挖掘技术从在线近红外海量数据中寻找有用信息，可以对在线生产过程中的烟叶光谱数据进行异常识别并剔除，保存大量有效数据的同时排除无效数据，减少内存消耗，延长仪器使用寿命，而且可以提高数据的准确性、可信度和实用性。