随着信息技术和互联网技术的高速发展,各种各样的数据信息急剧增加、不平衡数据问题广泛存在,使得不平衡数据分类问题成为数据挖掘领域的研究热点之一。目前,专家学者们提出的不平衡数据分类方法主要有数据采样方法、集成学习方法和代价敏感学习法,其中的数据采样技术运用过采样和欠采样方法使不平衡数据达到平衡。过采样方法可能会存在分类模型过拟合和增加训练时间等问题,并且可能会产生同类样本间的噪声问题。而欠采样方法则可能会删除掉样本包含的重要信息样本导致模型训练不充分出现欠拟合问题。本文首次针对不平衡数据分类问题提出了一种基于质心空间的上采样方法（Centroid Space UP-sampling algorithm,CSUP）,然后针对该方法存在样本聚类时间较长、聚类过程中存在大量无效迭代次数和聚类结果不稳定等问题而进一步优化提出了一种基于改进k-means聚类算法的CSUP算法。首先,本文针对不平衡数据分类问题提出了一种基于质心空间的上采样方法（Centroid Space UP-sampling algorithm,CSUP）。该方法妙解决数据分类过程中出现的数据集不平衡问题,通过k-means聚类算法求解少类样本簇,基于少数样本簇的欧氏距离得到初始质心,然后将每个质心的欧式距离相加求和而得到总的欧氏距离,将单个质心的欧式距离除以总的欧式距离得到需要增加样本点的权重,然后用权重乘以所需要平衡的总样本点的个数以均衡不平衡数据集,从而有效地提高了分类模型的分类效率、解决不平衡数据分类问题。运用该方法在kaggle平台上的数据集进行验证实验结果表明,本文算法分类的准确率明显高于随机采样、SMOTE算法（Synthetic Minority Oversampling Technique）、集成学习Ada Boost算法、ICIKMDS算法和Rotation SMOTE算法。但是,该方法在对少数类样本集进行聚类的过程中使用传统的k-means算法,存在机选择的初始聚类中心点会导致聚类过程中迭代次数的大量增加而增加样本聚类时间、导致算法聚类结果不稳定和容易产生噪声点。针对基于质心空间的上采样方法（CSUP）存在的不足,本文对其进行优化而提出了一种基于改进k-means聚类算法的CSUP算法。该改进方法基于距离越大则分离越清楚的原则选择初始聚类中心,然后迭代计算各个样本点到各个中心点的欧氏距离,最后提出一种存储的数据结构,来保存每一次迭代计算每个样本点到聚类中心的距离和所属聚类中心的信息,在下一次迭代过程中不首先计算样本点到其他聚类中心的聚类,而是比较与存储结构中的信息。实验验证的结果表明,该改进方法能够避免每次都重复计算每个样本到其他所有聚类中心的距离,节约计算距离的时间和次数,并且能够更好的加快聚类速度和提高准确率,降低算法的计算复杂度,减少算法的运行时间,避免聚类过程中局部最优问题的出现。