不平衡分类问题一直是机器学习、模式识别和数据挖掘领域的研究热点。目前分类器大多都是基于平衡数据集进行设计的,因此对不平衡数据集,其分类结果往往偏向多数类,降低了模型的泛化性能。面对现实生活中大量的不平衡数据集,如何从中学习到拟合能力较强的模型具有十分重要的现实意义与应用价值。目前,有许多采样和代价敏感学习等方法可以减少不平衡数据对分类性能的负面影响,其中采样中的过采样方法是最常用的一种数据预处理方法。然而,过采样算法几乎都默认平衡状态为采样的最终状态,从不平衡率与分类性能之间的关系来看,这样的设定并不合理,因此找到过采样算法的最优状态是改进的关键。为此,本文提出了两种过采样框架,并在真实数据集上进行实验验证了它们的有效性。本文的主要研究工作如下:1.提出了基于交叉验证的过采样框架。研究了过采样过程中平衡率与分类性能之间的关系,从数据分布的角度证明了平衡状态并不是过采样最适合的状态。为了在过采样过程中找到最合适的状态,对传统交叉验证进行了改进,在划分数据的过程中保持数据集的不平衡比例,使之更加适用于不平衡数据集,并且使用几何平均（Geometric mean,G-mean）作为验证指标找到过采样算法的最优状态。该框架具有通用性,可应用于各种过采样方法。2.提出了基于分布差异的过采样框架。过采样过程中可能会合成许多无效或冗余的样本,考虑到它们对原始数据分布造成的影响,研究了过采样过程中数据之间产生的分布差异。KL散度（Kullback-Leibler divergence,KLD）可以对两个概率分布之间的差异进行度量,根据其性质,对过采样过程中数据之间的分布差异进行了定义。分析分布差异与分类性能之间的关系,研究通过分布差异度量找到采样过程中的最优不平衡率。3.设计了一个高效的不平衡数据采样框架系统。该系统使用本文提出的框架,对输入系统的数据进行过采样,便于应用到实际生活中。