在分类问题中,类别的不平衡性广泛存在于如医疗诊断、垃圾邮件过滤、信用卡防诈骗等领域,有效解决不平衡数据分类可以提前进行预警或预测,具有重要的研究意义和应用价值。传统的分类模型大都采用平衡数据集进行训练,追求整体的分类精度,但对于不平衡数据集,传统的分类模型效果则不尽人意。不平衡数据由数量占优的多数类与数量较少的少数类组成。不平衡数据分类解决方案有数据层面的欠采样方法与过采样方法,算法层面的代价敏感方法与集成学习方法。目前过采样方法存在合成重叠样本与过拟合的问题,而集成学习方法大都采用单层集成结构,且没有根据数据集特征选择合适的分类阈值。针对上述问题,本文首先对数据层面的过采样方法展开研究,提出一种基于层次聚类的加权过采样方法(Weighted Oversampling based on Hierarchical Clustering,WOHC)。该方法首先对少数类进行聚类,并检查聚类后少数类簇的样本组成情况,避免合成重叠或噪声样本,然后根据少数类簇的密集程度确定每个类簇的采样倍率,并根据类簇中少数类样本与多数类边界的距离确定少数类样本的采样权重,最终在各合成区域中完成过采样。该采样方法结合传统分类器在多个真实数据集上进行实验,结果表明可以有效改善传统分类器对不平衡数据的分类效果。在上述过采样方法的基础上,结合集成学习方法,设计一种基于两层集成学习的不平衡数据分类方法。首先利用Adaboost算法作为最外层的集成学习框架,并以随机森林作为Adaboost算法的基分类器,对不平衡数据的训练集进行WOHC采样,利用采样后的数据集对基分类器进行训练。在Adaboost算法每一轮的训练流程中删除被错分的合成样本,并利用WOHC生成对应数量的合成样本,在结果输出阶段,通过OTSU算法自适应地选择Adaboost算法的最佳的分类阈值,最终在多个真实数据集上进行实验,实验结果表明较其他不平衡集成分类算法有一定提升。