1、類(lèi)分布不均衡數(shù)據(jù)廣泛存在于現(xiàn)實(shí)世界中。在某些領(lǐng)域，少數(shù)類(lèi)樣本被正確分類(lèi)的重要性遠(yuǎn)遠(yuǎn)高于多數(shù)類(lèi)。然而，大多數(shù)經(jīng)典分類(lèi)算法均假設(shè)樣本的先驗(yàn)概率分布平衡或者錯(cuò)分類(lèi)的代價(jià)相等。在處理非均衡分布數(shù)據(jù)時(shí)，少數(shù)類(lèi)樣本的信息經(jīng)常被多數(shù)類(lèi)樣本的信息掩蓋，致使少數(shù)類(lèi)樣本的分類(lèi)錯(cuò)誤率遠(yuǎn)遠(yuǎn)高于多數(shù)類(lèi)樣本。因此，非平衡類(lèi)數(shù)據(jù)分類(lèi)問(wèn)題的研究受到越來(lái)越多的關(guān)注。
　　由于非平衡數(shù)據(jù)集中樣本數(shù)量上的嚴(yán)重傾斜或者分布不均衡，傳統(tǒng)的分類(lèi)算法直接處理非平衡類(lèi)數(shù)據(jù)集時(shí)，

2、會(huì)造成少數(shù)類(lèi)樣本分類(lèi)精度較差。因此，在數(shù)據(jù)層面采用混合抽樣方法改變類(lèi)分布情況和在算法層面提出一種改進(jìn)的基于混合遺傳算法的選擇性集成算法提高分類(lèi)性能，不僅能使分類(lèi)性能得到改進(jìn)，而且能使少數(shù)類(lèi)的分類(lèi)精度得到提升。主要研究工作和成果包括:
　　(1)選擇基分類(lèi)器。在WEKA平臺(tái)上，對(duì)比分析C4.5決策樹(shù)、BP神經(jīng)網(wǎng)絡(luò)、樸素貝葉斯和支持向量機(jī)四種分類(lèi)器在平衡數(shù)據(jù)集和非平衡數(shù)據(jù)集的分類(lèi)性能和穩(wěn)定性。
　　(2)選擇性集成對(duì)平衡和非平衡

3、數(shù)據(jù)集的影響。借助WEKA平臺(tái)，對(duì)比分析單一分類(lèi)器和集成分類(lèi)器在所有數(shù)據(jù)集上的分類(lèi)精度，尋找集成學(xué)習(xí)中具有較大提升空間的基分類(lèi)器組合;通過(guò)非平衡數(shù)據(jù)集在選擇性集成和非選擇性集成實(shí)驗(yàn)下的分類(lèi)性能的差異，驗(yàn)證選擇性集成的可行性;通過(guò)在平衡與非平衡數(shù)據(jù)集上的集成分類(lèi)性能不同，證明非平衡數(shù)據(jù)集需進(jìn)行數(shù)據(jù)層面的改動(dòng)。
　　(3)提出了一種基于非平衡數(shù)據(jù)分類(lèi)問(wèn)題的綜合集成方法。針對(duì)類(lèi)別非平衡數(shù)據(jù)的分布特點(diǎn)，采用上抽樣SMOTE和下抽樣Boot