当今的大数据时代下,在数据挖掘、机器学习、图像、文本等领域中都存在类不平衡问题,类不平衡问题一般指不同类别之间样本数量的分布不平衡。基于机器学习的分类算法处理普通的平衡的数据集时较为有效,但数据集存在类不平衡问题时,会产生类别重叠、样本量小、边界模糊和小分裂群等问题,这将影响后续分类器的学习,导致其性能低下。目前解决类不平衡问题的方法可归纳为三类,数据级方法、算法级方法和集成方法。数据级的方法是针对数据本身进行分析,其可分为过采样、欠采样以及混合采样三种。本文重点关注数据级方法中的过采样方法,过采样方法通过人工合成样本来改变数据的数量,使两类别之间达到平衡,该1方法产生的平衡数据可供各种分类器学习。数据级的方法可以从根本上解决不平衡问题,得到了广泛的研究与应用。现有的过采样技术有很多,也都取得了一定的成果,但是目前较为流行的方法都包含随机过采样算法,这种方法产生的样本点的代表性较差,也无法较好的确定采样率,没有很好地考虑样本空间分布的影响,导致最终生成的样本点质量较差。为了解决上述问题,本文的工作主要包括以下几个方面:（1）提出了类不平衡数据的EM聚类过采样算法OEMC（Oversampling based on EM-clustering）。首先,算法采用聚类技术,通过欧式距离衡量样本间的相似度,选取每个聚类簇的中心点作为过采样点,一定程度解决了样本的重要程度不够的问题;其次,通过直接在少数类样本空间上进行采样,可较好解决SMOTE,Cluster-SMOTE等方法对聚类空间没有针对性的问题;同时,通过对少数类样本数量的30%进行过采样,有效解决基于Cluster聚类的欠采样盲目追求两类样本数量平衡问题,以及SMOTE等算法没有明确采样率的问题。（2）提出了基于多层残差聚类与层间带权样本选择的过采样算法MRC＆IWSS（Multilevel residual clustering and inter-layer weighted sample selection）,MRC＆IWSS算法采用多层聚类结构,解决了当前过采样方法无法二次利用过采样信息的问题,使合成样本质量更高;其次算法使用残差结构连接每层,使层间样本分布保持一致性,并且较大程度上避免了随着层数增多而出现过采样性能退化的问题;最后,算法利用层间带权样本选择机制,一定程度上解决了边界模糊的问题。（3）为了验证本文提出的OEMC算法和MRC＆IWSS算法的有效性,选取了现有的多种数据级重采样方法作为比较对象,采用多个不平衡问题的性能评价指标,对传统分类算法在几种算法处理后的不平衡数据上的分类性能做出了比较与分析,最终证明了两种数据级过采样算法的有效性。