近十年来,不平衡数据分类算法已成为机器学习领域的重要研究方向之一。在不平衡数据分类问题中,由于各类之间的样本数据量极度不平衡,少数类样本容易被多数类样本吞噬,造成分类器模型在分类时无法有效识别少数类。在现实生活中,不平衡数据分类应用范围广泛,如网络入侵检测、银行欺诈监测、机器故障诊断等。因此,研究如何提高分类算法对不平衡数据的分类性能具有重要的实际工程应用价值。本文针对不平衡数据分类问题进行研究与分析,在掌握现有最新不平衡数据分类方法的基础上,从数据层面中欠采样和过采样方法出发,同时结合集成学习对实际问题提出针对性的解决方案,以提高不平衡数据分类算法模型的应用价值,具体工作如下:(1)针对传统分类器模型难以对气温等级中的极端气温进行准确预测问题,提出一种基于密度峰值的聚类欠采样集成分类算法。首先,利用Pearson系数相关法选取气温预测因子,同时根据气象学知识建立江苏区域化气温等级划分表;其次,对由密度峰值算法在多数类样本上快速聚类生成的多个簇中心按照采样率进行欠采样,降低数据的不平衡性;最后,将平衡后的数据带入以BP神经网络为基分类器的自适应增强模型,通过改变样本权值分布来提高该算法模型对于不平衡数据的分类性能。在选取的七个站台的历史逐日气象数据集上进行实验验证,与其他三种传统算法相比,本文提出的算法可以有效识别极端气温等级。(2)针对软件缺陷预测中的过采样方法存在样本重叠及合成样本的错分价值不高问题,提出一种基于距离权值的聚类过采样集成分类算法。首先,基于AGNES算法自底向上聚合策略的思想,对各个少数类子簇进行层次聚类时,筛选是否存在多数类样本,进而生成多个不含多数类样本的少数类子簇;其次,根据各少数类子簇内各样本与其K个最近邻多数类样本的平均欧式距离不同为各个少数类样本分配权值,并根据权值分布对少数类样本进行过采样;最后,将本文提出的基于距离权值的聚类过采样方法和ROS、SMOTE构建随机森林模型,发挥集成模型的整体优势。基于NASA数据集的实验对比结果表明,本文算法模型可以有效改善软件缺陷模块的预测性能。