随着互联网技术的快速发展,机器学习分类已广泛应用于日常生活的多个领域。分类算法通过对已有的数据进行分析并且建立模型,从而对未知数据进行预测。目前,已经有了很多成熟的分类算法,比如支持向量机、决策树、神经网络等,这些算法大多是针对平衡数据集而设计的。但是,在实际应用中,数据集大多都是不平衡的。这些分类算法在对不平衡数据进行分类时,往往比较注重数据集整体的分类准确率,而少数类样本的分类准确率比较容易被忽略。如何在保证不平衡数据整体分类准确率的同时,提高少数类样本的分类准确率是亟待解决的问题。当前对不平衡数据分类的研究方法主要从数据集和算法的层面考虑。在数据集的层面,过采样方法通过增加样本信息来提升不平衡数据的分类准确率,欠采样方法通过删除多数类样本来加强分类算法对少数类样本的关注。大量研究表明,这些方法都可以在一定条件下提高少数类样本的分类精度,但都存在对不平衡数据集中的样本分布考虑不足的问题。鉴于此,本文从数据集层面考虑,对如何利用样本的空间分布信息来提升不平衡数据的分类性能进行研究,主要研究内容总结如下:（1）提出了基于构造性覆盖（Constructive Covering Algorithm,CCA）的数据清洗方法（SMOTE+CCA）。首先使用合成少数类过采样技术（Synthetic minority oversampling technique,SMOTE）对不平衡数据集进行过采样处理,然后借助CCA挖掘容易被误分类的样本,最后提出一种成对删除策略对SMOTE采样后生成的平衡数据集进行数据清洗。该方法对SMOTE进行改进,挖掘并删除数据集中的重叠和噪声样本,降低数据集的复杂程度,达到提升分类精度的目的。最后通过实验验证该方法的有效性。（2）提出了基于构造性覆盖的欠采样方法（Spatial Distribution-based Imbalanced Undersampling,SDUS）。首先使用CCA挖掘样本的空间分布信息,形成多个空间邻域,在此基础上提出两种样本选择策略（基于多样性的方法SDUS₁和基于余弦相似度的方法SDUS₂）。SDUS₁使用加权随机采样的方法,在每一个多数类的空间邻域中挑选样本。SDUS₂基于余弦相似度计算样本之间的相似性,将每一个空间邻域划分成四个部分,根据四个部分中样本的密度选择样本。最后结合集成学习技术对采样之后的数据集进行训练,并通过实验验证该方法的有效性。