随着技术发展,大量高新传感器的应用,民航也进入到了数据时代,飞机运营和维修会产生大量维修相关数据,对数据资源的充分利用产生巨大的需求。在数量众多的数据挖掘算法中,Bagging-CART由其简单、易用,同时还易于进行并行运行的特性,得到了大量应用。与此同时,现实中数据往往都是不平衡的,如在故障数据中,一些故障量较其它少,但其后果通常也更重大。而Bagging-CART算法是在数据平衡条件下提出的,在面对不平衡数据时,偏向将少数类故障识别为多数类故障,从而导致其实用性不佳。本文针对民航维修数据多分类不平衡数据特点研究其数据挖掘方法,从而有效提供维护决策关键信息。通过提出一套综合处理方案,从数据预处理层面和Bagging-CART分类器的决策方式入手,来完成即定目标。在数据预处理方面,提出一种基于Bagging的数据平衡方法,并就Bagging不足之处对算法的抽样过程进行控制,最终在不改变原有数据的情况下将数据转化成平衡数据组。新方法避免了传统数据平衡方法会改变数据结构的缺点,从而为无偏分类器的生成打下良好基础。在算法方面,针对Bagging-CART分类器的决策过程,提出一种优化方法,通过引入基于加权的最小距离模型,并对其进行改进,将训练数据与测试数据之间的关系引入到分类过程中。新方法改变了旧决策过程中,只考虑分类器结果而忽略了新数据与训练数据之间差异性,从而提高决策的可靠性。通过两种方法的综合应用,使本文模型具有较好的处理多分类不平衡问题的能力,为模型的实用性打下一定的基础。最后以本文算法为基础设计了数据挖掘系统,可针对民航维修数据进行数据挖掘,为数据分析模型的应用研究奠定基础。