在机器学习领域,随机森林是一种重要和常见的数据挖掘方法。随机森林不仅具有很高的分类性能,而且具有需要调整的参数较少、运算快速高效、不用担心过拟合以及较强的容忍噪声能力等特点。随机森林良好的性能使得其在各个领域都得到了广泛的应用并取得巨大的成功,吸引了人们的广泛关注。虽然许多学者对随机森林进行了广泛的研究,并且取得了许多显著的成果,但是随机森林仍然存在一些局限和不足,拥有一些可改进的空间。首先,在对随机森林样本相似度现有的计算方法研究的基础上,提出了基于特征重要性的样本相似度计算方法和基于决策树上相同属性的样本相似度计算方法这两种改进的计算方法,前者在两个样本落于相同叶子节点时,把它们之间的相似度和叶子节点所处的位置关联起来;后者增加考虑了样本落于不同叶子节点但类标一致的情况,并把样本间的相似程度和样本在决策树上相同属性的数量关联起来,这样更能全面和准确地反映样本间的相似程度。其次,针对随机森林在处理非平衡数据时的不足和SMOTE算法在选取新增负类样本时存在的边缘化问题,提出了KMS_SMOTE算法。KMS_SMOTE算法首先用K-Means算法对原始负类进行二分类,并计算出各自的中心点,然后从这两个中心点出发,有目的地选取新增负类样本,使得选取的新增负类样本向原始负类的中心汇聚,最后在新增负类样本集上利用SMOTE算法得到新数据集,这种方法有效地解决了SMOTE算法的缺陷,从而提升了随机森林算法的分类性能。最后,用UCI机器学习数据库中的数据集,分别对随机森林样本相似度的改进的计算方法和KMS_SMOTE算法进行实验,验证改进的样本相似度计算方法和KMS_SMOTE算法的有效性。