支持向量机是在统计学习理论基础上发展起来的一种十分有效的分类方法。然而当两类样本数量相差悬殊时，会引起支持向量机分类能力的下降。为了提高支持向量机的非平衡数据分类能力，文章分析了最小二乘支持向量机的本质特征，提出了一种非平衡数据分类算法。在UCI标准数据集上进行的实验表明，该算法能够有效提高支持向量机对非均衡分布数据的正确性，尤其对于大规模训练集的情况，该算法在保证不损失训练精度的前提下，使训练速度有较大提高。