随着信息技术与互联网的飞速发展,各领域的数据量正以前所未有的速度急剧增加。如何实现智能化的数据处理以及如何提取数据中蕴含的有价值的信息,已经成为机器学习和数据挖掘领域的研究和应用热点。数据分类作为数据挖掘领域一个重要的课题,已广泛应用于数据分析及智能化处理。传统分类方法在面对平衡数据集时能够得到令人满意的结果,但在实际应用中,遇到的数据集大多数是不平衡的。而传统分类算法在面对不平衡数据集时,无法保证少数类样本的分类效果。所以本文针对不平衡数据集分类算法存在的问题,主要从数据层面和算法层面进行研究:(1)在数据层面,提出了一种面向不平衡数据的基于k-means的加权双向采样法(WBSK)。该方法首先使用k-means对整个数据集进行聚类,然后根据不平衡比率在少数类占绝大数的区域,通过每个簇不同的权重进行过采样,避免了噪声的产生,且克服了类间类内不平衡的情况。最后,对多数类占绝大数的簇进行欠采样,以求平衡整个数据集的样本数。本文在11个数据集上对所提出的方法进行实验,结果表明本算法在不同分类器和不同评估标准下优于其他方法。(2)在算法层面,提出了一种基于固定半径最近邻的逐步竞争算法(FRNNPC)。该方法首先通过固定半径邻(FRNN)对数据集进行预处理,在全局范围内消除不必要的数据,在得到的候选数据中使用逐步竞争算法(NPC),即逐渐计算查询样本邻近样本的分值,直到一个类的分值总和高于另一个类。简而言之,该方法能够有效地处理不平衡问题,而且不需要任何人工设置的参数。实验结果将所提出的方法与其他有代表性的算法在10个不平衡数据集上进行了比较,并验证了该算法的有效性。