不平衡数据集指的是数据集中某一类(下称多数类)的样本数量相对其他类(少数类)多得多。传统的分类算法默认训练集中各样本类别的样本数量基本均衡,然而实际的数据集中样本可能不平衡,不平衡数据集的分类问题中,传统的分类算法更关注整体的分类精度,实际应用中有时候更关注少数类的正确分类。本研究从样本分布特点和样本特征两方面对不平衡数据集进行分析研究,提出聚类思想的欠采样方法和特征对类别影响的过采样方法,最后将两种方法与Adaboost算法融合,提出一个针对不平衡数据集的集成学习分类算法。首先,本研究根据样本分布特点,提出一个基于聚类的样本欠采样方法。该方法通过对不平衡数据集中多数类样本进行聚类,通过聚类的簇的大小判别簇中样本所携带的信息量,对携带不同信息量的簇采用不同的采样策略,去掉多数类中的离群点和边缘样本,减少多数类中的难分样本,同时降低数据集的不平衡性。其次,本研究针对不平衡数据集的基于特征影响提出过采样方法。在数据集中,样本特征对各个类别的影响是不一样的,因此样本的每个特征对每个类别存在不同的重要程度。由此可将样本特征进行分类,然后根据特征分类结果对少数类进行过采样,实现数据的平衡。经实验验证,对比随机过采样、SMOTE等方法,该方法提高了少数类样本的识别精度。最后,本研究结合以上数据层面的混合采样方法和Adaboost算法提出针对不平衡数据集的集成学习算法,该方法通过对数据集样本的平衡与Adaboost对错分样本的修正,更进一步提高了少数类的识别精度。