【摘要】大多数不平衡数据过抽样方法依赖于太多参数，容易生成噪声并难以处理流形数据集。为此，文章提出了一种基于密度峰值聚类的不平衡数据过抽样方法（OVMEDPC）。首先，OVMEDPC用密度峰值聚类（DPC）来发现不平衡数据的空间结构；其次，OVMEDPC设计了一种基于密度峰值聚类的噪声过滤方法来移除噪声；最后，OVMEDPC设计了一种基于密度峰值聚类的插值技术来生成少数类的合成样本。实验证明，就随机森林分类器而言，OVMEDPC在F-measure和G-mean上优于5个先进的过抽样方法。