近年来，尽管全球经济发展疲软，但在我国经济持续高速的发展带动下，我国信用卡产业发展势头迅猛；同时由于互联网支付手段及手机支付手段的不断普及，使得信用卡行业发展获得持续的推动力,信用卡发卡量持续增长。由于信用卡交易次数和交易金额的大幅提升，信用卡风险管理仍旧是业界十分关注的问题，信用卡欺诈风险作为风险管理的重要组成部分，研究信用卡欺诈识别有十分重要的现实意义。信用卡欺诈行为有发生频次低、造成危害大等特征，一般手段难以进行有效识别防范，因此需要运用数据挖掘的方法进行信用卡欺诈识别研究。在信用卡欺诈识别研究中，主要难点在于欺诈行为数据相对较少，夹杂在正常数据中难以提取欺诈行为特征，需要利用稀有类分类的方法进行信用卡欺诈识别。本文结合前人研究成果，提出将不均衡数据集处理和分类算法组合进行稀有类分类。通过聚类处理不均衡数据集，解决不均衡数据集中样本分布不均的问题。然后运用Adaboost算法进行稀有类分类，针对Adaboost算法易受离群样本影响的缺点，本文提出通过改进样本权重更新机制，提升类别边界样本的权重，同时减少离群样本权重的扩散幅度，减少对分类精度的影响。本文以不均衡数据集处理和分类器训练为基础，提出新的信用卡欺诈识别模型的构建方法，通过实验证明，该模型能够有效识别欺诈行为，为信用卡欺诈防范提供新的解决思路。本文共分6章，第1章对国内外欺诈识别的研究进行综述，并对本文提纲进行概述；第2章对稀有类分类的方法进行了系统分析，提出本文的稀有类分类的思路；第3章研究了不均衡数据集的处理方法，选择k-means聚类算法提升不均衡数据集的均衡度；第4章对Adaboost算法的权重更新机制进行改进，提出了基于Adaboost的稀有类分类算法；第5章基于前文研究工作构建信用卡欺诈识别模型；第6章对全文的研究成果进行总结及展望。