不平衡数据普遍存在于实际生活中。通常,机器学习中的大多数分类算法都是假定数据集具有平衡的分布或相等的误分类代价。这些算法在面对相对复杂的不平衡数据集时,不能有效地反应出数据的分布特征,从而影响分类器的性能。实际上,通过不平衡数据集学习得到的分类器通常偏向多数类,使得它对少数类样本的分类效果不理想。然而少数类样本往往包含重要的信息且具有较高的错分代价,是我们重点关注的对象。研究不平衡分类问题的方法主要分为三个层面,包括数据层面、算法层面和集成层面。本文在研究不平衡学习各种策略的基础上,主要针对数据层面提出了三种不同的重采样技术:(1)针对少数类数据特征表达不充分影响分类器性能的问题,提出了基于最大最小距离的上采样方法。该算法首先确定少数类和多数类各维度上数据的最小距离中的最大距离所在维度,并在此维度上对少数类进行一定的数据扰动,产生新的少数类样本。(2)下采样技术的关键是减少多数类样本数目并且尽可能保持多数类的数据分布,而高斯混合模型能够有效地描述任意形状的数据分布。所以,本文提出了一种基于高斯混合模型的下采样方法,利用高斯混合模型对负类数据进行拟合,根据每个高斯分量上数据的分布情况,即概率区间按比例进行下采样。(3)通过分析聚类算法和下采样技术的特点,提出了基于双层聚类算法的下采样方法。外层通过K-means算法来保持多数类样本的整体分布,内层使用K-medoids算法对外层得到的每一个簇再进行聚类分析,将K-medoids算法得到的中心点保留下来作为多数类的样本,达到下采样的目的。论文对以上三种算法进行了实验论证,在UCI不平衡数据集上的实验结果表明,本文提出的重采样方法有效地提高了对不平衡数据的分类性能。