本发明公开了一种用于非均衡数据分类的散度‑激励自编码器及其分类方法，包括顺次连接数据输入层、编码层单元、瓶颈层、解码层单元以及数据输出层；数据输入层与数据输出层连接；瓶颈层中的损失函数为用于计算输入到瓶颈层数据的散度损失，用于明确地激励区分具有不同标签的样本；数据输出层单元中的损失函数用于计算解码层单元输出数据的重构损失。本发明提供的非均衡数据分类方法无论是在F1值还是收敛速度方面均优于基于卷积神经网络的方法；其次，自编码器需要进行手动调整的参数更少，而不像损失敏感的卷积神经网络那样需要优化超参数；最后，当少数样本的数量很小时，本发明提出的自编码器模型表现良好。