企业财务分析对现代企业管理决策有着深远的影响且起着不可忽视的作用。财务状况关乎企业生死存亡，是企业的生命线，快捷高效的财务分析能为企业投资者、经营者、债权人等组织和个人去了解和评价企业状况以及未来发展潜力提供可靠准确的决策信息支持。随着人工智能等高新技术的发展，财务分析人工智能化决策支持系统已经越来越受到学术界和管理界的重视，并得到了不断地改进和提高。高效准确的财务风险预测能够帮助企业较早预知未来可能面临的财务风险，便于及早发现问题，采取有效措施规避风险或最大限度降低损失。然而，现有成熟的财务风险预测研究大多都是建立在均衡数据集的基础之上进行的，围绕非均衡数据集分类问题的研究还不够成熟和完善，还有待进一步地研究。　　本文从总体来上说主要采用了多种学科相互交叉融合的研究方法，将违约风险管理理论、财务指标分析理论、数据挖掘原理、预测决策理论、计算机技术、多分类器集成技术、多种企业财务风险预警技术以及统计抽样等关键理论、方法和技术进行有机集成，以中国旅游与酒店业为例，对企业财务风险智能预测展开系统性的研究。为解决有限知识非均衡环境下旅游和酒店业财务风险预测问题，本文进行了如下相关研究。　　首先，为了解决传统财务风险预测模型在非均衡小样本数据集方面对少数类样本风险分类预测不理想的问题，本文主要提出了一种由近邻三角区合成的少数类过采样技术(NT-SMOTE)。通过引入近邻三角区随机采样思想进一步完善改进传统的SMOTE非均衡处理方法来增加少数类数据样本，这样就能很轻松的使得非均衡问题转化成均衡问题，从而克服通常情况下产生的基于非均衡数据集的分类器风险预测结果不是非常理想的难题。在实证研究中，利用数据挖掘原理的相关知识，对搜集的旅游与酒店业上市公司的财务样本数据进行数据预处理，剔除空值的样本或财务指标，清理得到纯净的数据集并对数据集进行显著性检验和多重共线性检验，剔除不显著或冗余的各类财务数据指标，利用NT-SMOTE非均衡数据处理方法极力扩充少数类样本使其轻松转化为均衡数据集的预测问题，进而利用较为成熟的财务风险分类预测模型(MDA、Logit、Probit、DT、LSVM和MCF)对中国旅游与酒店业进行风险预测，以便提高预测的准确性。这个基于非均衡改进方法的财务风险分类预测模型能够有效地解决传统分类器在非均衡小样本数据集风险预测方面预测效果不佳的难题。　　其次，为了能够进一步提升传统企业财务风险预测分类器的稳定性，本文采用传统的Bagging集成方法对上述分类器进行改进得到集成分类器风险分类预测模型(BMDA、BLogit、BProbit、BDT、BLSVM、BMCF)，最终的结果是在很大程度上有效提高了传统分类器的分类预测性能以及增强了它们的稳定性。　　再者，为了提高我国旅游与酒店业企业财务风险分类预测的准确性，本文在前文的基础上，构架了基于异类数据挖掘技术的企业财务风险预测方法体系，主要包括数据预处理层、改进近邻三角区增量层、异类近邻抽取层、案例推理预测层，用以改进传统的财务风险预测方法，得到新的风险分类预测模型(HDMMDA、HDMLogit、HDMProbit、HDMDT、HDMLSVM、HDMMCF、HDMBMDA、HDMBLogit、HDMBProbit、HDMBDT、HDMBLSVM、HDMBMCF）。结果表明，基于异类数据挖掘的案例推理方法与前文方法相比有着显著的优越性，提高了财务风险预测模型的分类性能，可有助于降低中国旅游与酒店业上市公司财务风险发生的概率。　　最后，为了进一步有效改进传统的风险分类预测方法的性能，提高其预测效率与效果，本文在前文基础上，构架了基于案例复用的案例推理方法的多模型企业财务风险分类预测体系，主要包括数据预处理层、改进近邻三角区增量层、非均衡近邻抽取层、案例复用预测，用以改进传统的财务风险预测方法，得到新的预测模型（RMDA、RLogit、RProbit、RDT、RLSVM、RMCF、RBMDA、RBLogit、RBProbit、RBDT、RBLSVM、RBMCF）。结果表明，与前文方法相比，基于案例复用的案例推理方法在风险预测性能方面有着一定的显著优越性，同样有助于降低中国旅游与酒店业上市公司财务风险发生概率。