کشف پدیده‌­های استثنایی پنهان در حجم انبوهی از رکوردهای موجود در پایگاه داده و استخراج دانش آن­ها در این مطالعه مورد بررسی قرار گرفته است. پدیده‌­های استثنایی به‌ندرت رخ می­‌دهد و در حجم انبوهی از داده‌­های عادی پنهان‌­اند. دست‌یابی به دانش رفتاری این پدیده‌­ها، ارزشمند و جذاب است. روش‌های موجود یادگیری، در هنگام پاک‌سازی پایگاه داده اغلب پدیده­‌های استثنایی را به‌عنوان داده‌های پرت شناسایی کرده و از محاسبات خارج می­‌کند و یا اینکه به‌­دلیل تمایل به کلّیت، قابلیت شناسایی و دسته‌­بندی درست این پدیده­‌ها را ندارند. به همین دلیل، ایجاد چارچوبی کارآمد برای کشف دانش و یادگیری رفتار پدیده‌­های استثنایی معدود که در میان انبوه رکوردهای یک پایگاه داده مخفی هستند، حائز اهمیت است. در این پژوهش، با به‌‏کارگیری تئوری استثنائات و تئور‌‌ی­‌های اطلاعات و دانه‌بندی اطلاعات نسبت به استخراج دانش رفتار پدیده‌­های استثنایی اقدام شده است. کارآیی روش پیشنهادی با در‌نظر‌گرفتن اطلاعات 30 ماهۀ سهام شرکت‌­های فعال در بازار اوراق بهادار ایران به‌منظور شناسایی و یادگیری رفتار سهام استثنایی، سنجیده می‌­شود.