近年来,随着计算机科学和电子通信技术的发展,人们已经进入了大数据时代。原始数据的数据量以及数据种类的爆炸式增长,使各行各业对数据处理技术的需求极为迫切,为数据挖掘和机器学习提供了巨大的机遇。传统的算法都建立在数据集类分布均衡以及误分代价相等的基础之上,但在实际任务场景中,我们需要处理的绝大部分数据都是非均衡的,例如指纹识别、面部识别、面部年龄估计等。因此对非均衡数据分类算法的研究已成为机器学习和数据挖掘领域的热点。本文主要研究非均衡数据的处理算法,并且从以下三个方面开展研究工作:首先,传统算法在处理非均衡数据时通常仅考虑数据的空间分布而忽略空间距离,针对这一不足,本文提出基于K-means和改进MaxDistance规则的集成方法。该方法结合了原始数据的空间分布和空间距离的特点,在不丢失任何有用信息、不增加任何人造数据的条件下将二类非均衡问题转化成均衡问题。与现有的二类非均衡数据处理算法相比,实验证明了此方法在处理相同的标准公开数据集时具有更好的分类效果。其次,本文提出一种基于特征权重和聚类方法相结合的欠采样算法—Uscfk算法。该方法针对二类非均衡数据,通过将对分类结果影响较大的特征权重值增大的同时将对分类结果影响较小的特征权重值减小,使其在与K-Means方法结合使用时能够抽样得到比较适合分类的多数类数据。具体来说是提出了一种改善特征权重赋值的方法,抽样出更有利于分类决策的样本数据,并将其与聚类算法相结合以构建出针对非均衡数据的分类模型,最后将此算法在KEEL数据集上进行实验,结果证明该方法不但提高了分类器对于非均衡数据的分类性能且鲁棒性强。最后在机器学习经典数据集wine数据集上对本文提出的算法进行了验证,通过与传统分类算法的对比,本文算法可以有效提高分类效果,而且在葡萄酒分类中的应用也展现出不错的性能。