从海量的医疗信息中发现有价值的信息已成为机器学习等领域的热点研究内容,医疗数据分类是其中一项重要技术。现实医疗数据存在不同类别样本数量不平衡的问题,训练的分类模型易偏向多数类（正常人）而忽视蕴含更多价值信息的少数类（疾病患者）。另外医疗数据中的特征维度高且复杂,其中存在大量的无关和冗余特征,将全部特征用于训练分类模型不但会增加计算成本而且会降低分类性能。本文围绕上述两个问题开展研究,主要内容如下:（1）针对医疗数据存在的类别不平衡问题,基于聚类思想和合成少数类过采样技术（synthetic minority oversampling technique,SMOTE）提出一种改进SMOTE方法来平衡医疗数据提高分类模型对疾病患者的识别率。首先利用近邻规则识别并过滤疾病患者样本中的噪声,然后对疾病患者样本进行聚类分析,依据欧式距离计算每个子簇的样本密度,对样本密度低的子簇赋予更高的过采样权重,最后在每个子簇中心和子簇内疾病患者样本之间根据采样权重合成新样本。实验选取6组不同平衡率的医疗数据集,在不同分类模型上验证了该方法的可靠性,并与4种流行的过采样方法进行对比,结果表明了本文方法的有效性。（2）针对医疗数据存在的高维复杂特征问题,提出一种基于多元宇宙优化算法的封装式特征选择方法对医疗数据中的特征选取状态进行二进制编码,并在适应度函数中结合维度缩减和综合分类评估指标来筛选出与疾病患者类别最相关且冗余小的特征子集,以提高分类模型的学习效率和分类性能。实验选取7组不同维度的医疗数据集,在不同分类模型中验证了该方法的有效性,并与4种经典的特征选择方法进行对比。实验结果表明本文方法在降低特征数目和综合分类性能上有明显优势,对于解决高维医疗数据的特征选择问题具有实用性。（3）将提出的过采样方法和特征选择方法应用到新型冠状病毒肺炎阳性患者的诊断中,从中分析出样本的单核细胞、白细胞、血小板和嗜酸粒细胞等重要特征信息会影响阳性患者的诊断结果,训练得到的分类模型对选取的不平衡且高维新型冠状病毒肺炎数据集中的阳性患者识别率达到82.35%。该应用验证本文所提方法有助于改善现有临床诊断技术,为医疗研究提供科学依据。