不平衡数据是指在数据集中样本数量在类间分布不平衡的一类数据,传统的分类算法在对不平衡数据进行分类时,分类结果更多的倾向于多数类,从而使得对少数类的识别率不尽人意。过采样是解决不平衡数据分类问题的一条有效途径。现有的过采样算法虽然在一定程度上能够提高少数类的识别率,但针对性不强,容易导致新合成的少数类样本影响多数类样本的泛化空间,使得多数类样本的识别率下降,而且容易合成冗余数据。近些年关于三支决策理论的应用研究获得了一定的进展,若将三支决策理论应用到不平衡数据处理方面,有可能是一条解决不平衡数据分类问题的有效途径。受其启发,结合三支决策理论,本文开展了基于三支决策的不平衡数据采样方法研究,主要工作在于:(1)结合邻域粗糙集模型和三支决策模型,提出了基于三支决策的不平衡数据过采样方法(TWD-IDOS)。首先,定义了邻域三支决策模型的相关概念;其次,利用邻域三支决策模型将训练集中的样本划分成正域样本、边界域样本和负域样本;再次,对边界域和负域中的少数类样本分别进行过采样处理;最后,在多个UCI数据集上进行对比实验,并与其他过采样方法、欠采样方法和集成方法进行了比较。实验结果表明,在C4.5、KNN和CART等分类器上,文中提出的算法能够有效解决不平衡数据的二分类问题,在Recall、F-value、AUC等指标上优于文献中其他算法。(2)结合Spark分布式并行计算框架,提出了基于三支决策的不平衡数据并行过采样算法。首先,利用Spark的RDD进行数据变化,结合邻域三支决策模型并行的对训练集进行划分;其次,对TWD-IDOS算法中提出的边界域采样方法和负域采样方法分别实现并行化。在此基础上,调用WEKA平台的分类算法在UCI数据集和KDDCUP-99数据集上分别验证并行算法的有效性和高效性。通过实验对比,表明并行算法既保持了原算法的有效性,又能大幅度减低采样算法在大规模数据集上的学习时间。最后在运行效率和参数敏感性方面进行了分析。