摘要：在非平衡數據分類問題中,為了合成有價值的新樣本和刪除無影響的原樣本,提出一種基于邊界混合重采樣的非平衡數據分類算法。該算法首先引入支持k-離群度概念,找出數據集中的邊界點集和非邊界點集;利用改進的SMOTE算法將少數類中的邊界點作為目標樣本合成新的點集,同時對多數類中的非邊界點采用基于距離的欠采樣算法,以此達到類之間的平衡。通過實驗結果對比表明了該算法在保證G-mean值較優的前提下,一定程度上提高了少數類的分類精度。