随着数据不断涌现,我们迎来大数据时代。在这种时代背景下,数据资源对我们来说尤为重要。世界上很多发达国家将大数据技术作为提升国家竞争力、维护国家安全的重大战略。可以说谁掌握了数据,谁就掌握了主动权。数据如此重要,在数据海洋中挖掘出有价值的数据更为重要。然而实际生活中存在大量不平衡数据,在它们当中少类样本远远少于多类样本,而将少类样本正确分类的意义远远高于多数类样本。解决不平衡数据分类问题已成为很多领域研究热点。在常用的分类算法中,支持向量机有很多优势让其成为分类效果最好的分类器之一,最突出的是其优秀的泛化能力。然而,面对不平衡数据时,支持向量机可能受到负面影响。怎样处理这种负面影响,并在不影响整体的分类准确率的同时,使少数类样本的分类精度有所提高是解决问题的关键。本文从算法和数据两个层面出发提出ADASYN-NCL混合采样算法与改进的AdaBoostSVM相结合的方法,并将其应用到肝炎医疗不平衡数据分类问题中。论文主要研究工作包括:(1)针对不平衡数据对支持向量机带来的负面影响,简单的过采样或降采样与支持向量机结合并不能从本质上解决。本文提出了自适应综合过采样与领域清理规则降采样结合的混合采样方法(ADASYN-NCL),该方法能较好解决数据不平衡问题,对支持向量机的分类性能也有一定提高。(2)针对AdaBoost算法存在的退化现象,本文提出了改进的AdaBoostSVM算法,此算法能提高基分类器之间的差异度,以解决退化现象问题。并与ADASYN-NCL采样方法结合,进一步提高分类器分类精度和泛化能力。(3)论文实验在WEKA平台上进行,将ADASYN算法、AS-AdaBoostSVM算法、ADASYN-NCL算法以及集成混合采样算法在12个KEEL不平衡数据集上进行分类性能比较。分析发现,论文提出的ADASYN-NCL混合采样方法比单纯的ADASYN过采样方法的分类准确率高,提出的集成混合采样方法分类准确率会更高,分类器泛化能力会更好。(4)针对肝炎医疗诊断分类过程中存在样本分布不平衡的问题,首先,在WEKA中进行数据预处理;其次,对处理后的数据集进行ADASYN-NCL混合采样,改进其不平衡度;最后,使用改进的AdaBoostSVM分类器对数据集进行分类。对实验结果分析,使用本文算法所得到的F-value、G-mean和AUC值比其他算法高,说明新提出的算法有效解决不平衡数据给支持向量机带来的负面影响,且分类器对少数类样本的分类精度提高。