类别不平衡数据集的分类问题是机器学习领域的一个研究热点,也广泛存在于实际工程领域,如医疗诊断、垃圾邮件识别和网络入侵检测等。传统的分类算法以最小化整体错误率为目标,在处理类别不平衡数据集时会导致少数类样本被错分的决策面偏斜现象。但在许多现实问题中,正确识别出小类别样本往往更为重要。如何在保持大类别样本准确分类的前提下,提高小类别样本的识别率,是不平衡分类的关键问题。此外,类内不平衡以及训练样本不足等问题给不平衡分类带来更多挑战。半监督聚类利用少量的标注样本来指导聚类过程,可以有效地揭示数据的分布特征,从而为不平衡分类提供有价值的信息。本文研究了半监督聚类的算法设计及其在数据层面对不平衡分类中的改进,并进一步研究了在算法层面利用后处理策略来提高不平衡分类性能。主要研究内容如下:（1）研究了一种基于CS-K-Means的不平衡分类算法。过采样是解决不平衡分类的一种主流技术。当前过采样算法大多是基于原有训练样本进行的,难以揭示更多的数据集分布特征。本文提出了一种改进的半监督聚类算法CS-K-Means,从无标签样本中选择少数类的伪标签样本。这种新型的过采样方法更好地实现了类别再平衡,并有助于解决训练样本不足的问题。其次,融合半监督聚类结果和分类结果进行最终的预测,进一步提升算法的泛化性能。实验结果表明,该算法在多个数据集上的不同评价指标下均优于对比的前沿算法。（2）研究了一种基于半监督层次聚类的不平衡分类算法。类分解是近年来不平衡分类领域的一个新兴研究方向。当前相关算法都是通过在训练样本上进行无监督聚类来实现类分解,样本的类别信息并没有被合理利用。此外,如果训练样本不足,类分解的效果会很差。本文提出了一种半监督层次聚类算法（SSH-KMeans）,利用训练样本和无标签样本的分布特征来实现逐层类分解。其中多数类的分解有利于减少类间不平衡率,而少数类的分解有助于识别小集群,减少类内不平衡率。此外,SSH-K-Means也被用于选择伪标签样本来实现训练集的再平衡,并辅助分类器进行最终的类别预测。实验结果表明,SSH-K-Means的类分解策略对于缓解类别不平衡现象有着重要的作用:在分解后的数据集上,本文所提算法相对于同类算法有着明显的性能优势。（3）研究了一种不平衡分类的后处理策略。传统不平衡分类算法大多集中在对数据集进行预处理或者对分类算法进行改进。本文提出了一种对分类结果进行后处理的策略:根据类别比例这一先验知识对原始分类结果进行调整,使其具有相近的类别分布。该方法代价低且通用性高,可以适用于现有的不平衡分类算法。特别地,为了减少基于单一分类器来调整类别比例的风险,提出了一种紧凑最近邻算法（CPNN）来辅助后处理。在多组公开数据集上的实验结果证明,本文方法既可以提高传统分类算法也可以提高不平衡分类算法的性能,在各个评价指标上都取得不同程度的提升。