分类问题是一个十分重要的课题,传统的分类算法大多基于类别平衡的情况。但是,在实际问题中,存在着大量类别不平衡的数据,这给分类带来了挑战。在不平衡分类问题中,传统的分类算法偏爱大类样本,从而导致小类样本的分类准确率降低。本论文着重研究了不平衡分类问题,提出了一些可行的解决方法。由于不平衡数据集中小类样本分布的多样性,在设计算法时不得不根据数据集的特点进行适当的改进。针对这个问题,本论文提出了一个基于欧式距离的样本选择预处理框架(Euclidean Distance Based Sample Selection Scheme,ED-SESS)。ED-SESS利用欧式距离判断样本间的相关性,将离类别中心较近的样本选为适合采样的样本。ED-SESS算法可以与大多数传统的过采样方法相结合,具有很好的适用性。在使用传统的过采样方法前,我们可以利用ED-SESS对原始的数据集进行预处理,选出最适合采样的样本,组成新的训练集。然后使用传统的过采样方法在新的训练集上进行采样,得到平衡的数据集。ED-SESS算法具有低算法复杂度的优点。同时,它也能与大多数传统的过采样方法相结合,提升传统过采样方法的性能。经典的SMOTE算法存在过度泛化(Over-generalization)的问题。现有的SMOTE改进算法大多只关注边界的小类样本,忽略了包含重要信息的非边界小类样本。针对这些问题,本论文提出了一种改进的SMOTE算法,即基于局部自适应距离的过采样算法(Locally Adaptive Distance Based SMOTE,LAD-SMOTE)。LAD-SMOTE算法利用局部自适应距离找出非边界小类样本中包含重要信息的小类样本。然后,利用SMOTE算法中线性插值的思想对这些样本进行过采样,得到平衡的数据集。相对于其它算法而言,LAD-SMOTE算法既关注了难学习的边界小类样本,也关注了含有重要信息的非边界小类样本,显著提升了分类器的性能。现有的过采样方法会在类别边界进行过采样,使得大类样本的边界区域中存在大量合成的小类样本,破坏了原始的分界面,从而引起决策面的偏移。针对合成样本导致的决策面偏移的问题,本论文提出了一种基于特征空间的过采样算法(Feature Space Oversampling Technique,FSOTE)。FSOTE 算法从特征空间中找出一个个小类簇,再从小类簇的内部空间合成新的样本。这种方式可以避免合成的样本落入大类样本的区域,减少噪声样本的产生。FSOTE算法在小类簇的内部空间合成样本,合成的小类样本仅位于小类区域中,不会破坏原始的分界面,解决了决策面偏移的问题。由于不平衡分类问题的特殊性,传统的分类指标不足以完全评价不同算法的性能。为此,一些新的分类指标如F-measure、G-mean和约登指数等被提出来了。本论文结合这些分类指标对算法进行分析,在多个UCI数据集上进行了实验。实验结果表明,ED-SESS可以很好地提升传统过采样方法的分类性能;LAD-SMOTE和FSOTE能够有效地解决类别不平衡分类问题。