不平衡数据的分类问题普遍存在于实际应用中,例如,医疗诊断,网络入侵检测和生物数据分析。少数类样本往往隐藏着更重要的信息,错误分类少数类样本可能造成严重的代价。然而,传统的机器学习分类算法趋向于在少数类样本上产生相对较低的准确率,不适合处理不平衡数据。因此,研究不平衡数据的分类方法具有重要应用价值和理论意义。本文从数据和算法层面提出两个方法改善不平衡数据的分类效果,主要研究工作如下:(1)从数据层面,提出一种面向不平衡数据分类的信息粒化预处理算法(IGDP)。目前,大多数重采样方法忽略了数据集的原始分布。本文根据不平衡数据的本质特点,聚合相似样本作为整体进行分析,从粒计算角度建立分类模型。在IGDP中,遵循多数类与少数类信息粒数目相近的原则,使用K-means++构建信息粒,简化了粒度水平的确定;提出“点标记子属性”方法描述信息粒,解决“子属性”方法在特殊情况下出现的“区间标记困难”问题;为了拟合训练信息粒集合的分布,提出基于类别初步预判的测试样本粒化方法,使样本粒化后具有明显多数类和少数类信息粒的特征。通过在8个KEEL数据集上进行3组实验对比,以F-measure、G-mean和AUC指标评价算法性能,结果表明IGDP可以缓解类别区域重叠带来的分类困难,提高了不平衡数据的分类效果。(2)从算法层面,提出结合聚类中心欠采样(CC)的集成算法(CCBoost和CCBagging)。数据重采样与集成算法相结合是处理不平衡数据分类的有效方法。在CCBoost中,借助CC的采样随机性保证Ada Boost.M2迭代中训练子集的多样性,并且按照“聚类中心的近邻”策略进行采样,使权重更新的样本有更大机率被选择到新一轮的基分类器训练中。在CCBagging中,根据Bagging基分类器并行学习不需要考虑样本权重的特点,按照数据集稀疏与否自动确定CC的欠采样策略。利用CART和SVM作为基分类器,在10个KEEL数据集上进行3组实验对比,以F-measure、G-mean和AUC指标评价算法性能,结果显示CCBoost和CCBagging一定程度上优于其它对比算法。