随着互联网的快速发展、物理介质存储能力的显著提升,人类社会生产生活中产生的大量数据被悉数存储下来。如何从大数据中去除冗余信息、归纳出有效信息,驱动着数据挖掘这一机器学习研究领域的发展。分类是机器学习的重要研究内容。传统的分类算法采用平衡数据集进行训练,因此对于平衡数据集具有较好的分类效果。然而现实的应用场景产生的数据集通常存在着类别的不平衡性,如医疗病例诊断、垃圾邮件过滤、社交网络异常用户检测等领域。传统分类算法在处理不平衡数据集分类问题时,往往难以保证少数类样本的分类效果。解决不平衡数据集的分类问题,具有重要的研究意义和应用价值。论文首先提出了一种针对网络结构数据的基于边的聚类算法,即集体行为推断学习算法。社交网络存在着幂律分布特性,即网络中大部分用户之间联系稀疏,少数用户群体间联系紧密。网络结构的不平衡性意味着该聚类算法能够适用于不平衡数据集的分类任务。聚类算法的性能依赖于初始的输入图结构,而网络通常含有噪声且具有冗余性。论文提出了一个新的算法,从初始输入图来学习到一个新的图,该图的低冗余性使得聚类算法能够更有效地执行聚类任务。结合集成学习策略,论文设计了一种基于集成学习的不平衡数据集的分类算法,该算法将集体行为推断学习算法和深度信念网络作为集成学习的个体学习器,利用Boosting算法对个体学习器进行训练,采用多数投票法对个体学习器的预测结果进行结合,完成针对不平衡数据集的分类任务。论文从分类算法、聚类算法、深度学习、集成学习等层面出发,提出了有助于改进不平衡数据集分类性能的算法和策略。