在数据挖掘领域中,不平衡分类问题一直是研究热点。一般的分类算法在解决平衡数据集分类问题时能取得很好的分类性能,但在处理不平衡分类问题上面临着巨大的难题。例如在医疗诊断、信用卡诈骗检测、机械故障检测问题中,关注的类别在整个数据集中的占比很小,但是其被错分的代价难以估量,因此提高少数类的分类精度在不平衡分类问题中非常重要。另外,部分分类算法对噪声点较为敏感,在某类样本数量绝对稀缺的前提下,难以区分样本与噪声,这是在不平衡分类问题上难以达到理想效果的另一个原因。对不平衡数据分类的研究集中在数据层面和算法层面,数据层面通过降低数据集的不平衡率以适应传统的分类器,算法层面则通过增大少数类样本的错误分类代价以提高识别效果。本文从数据层面对噪声和不平衡分类问题进行研究,具体内容如下:(1)提出了基于密度的去噪混合采样(Hybrid Sampling under Denoising Based on Density,HSDBD)算法,该算法首先通过Borderline-SMOTE算法将少数类样本生成三部分:噪声样本集、边界样本集和安全样本集。对噪声样本集予以剔除,并对边界样本根据密度分布设置权重,采用更加合理的方式生成新的少数类样本。与此同时,基于一种改进型的不平衡数据欠采样算法对多数类样本进行筛减,该算法起到明显去噪作用的同时保留了信息量高的多数类样本。实验表明HSDBD算法能够有效的解决不平衡分类问题。(2)提出了基于聚类的去噪混合采样(Hybrid Sampling under Denoising Based on Clustering,HSDBC)算法,在剔除噪声的前提下对数据进行均衡化处理。该算法首先利用基于K-means的离群点检测算法将离群点剔除,并将训练集分成若干簇,每簇样本都具有不同的不平衡率。根据每簇的不平衡率的大小,精细化地采取不同的采样方式。通过评价指标AUC、F1和G-mean检验分类性能,表明HSDBC算法提高了少数类样本的分类性能。