在现实世界的数据分类应用中，通常会遇到数据不平衡的问题，即数据中一类数据的数量要大于另一类数据的数量。在目前针对非平衡数据的分类问题的解决方案中，推进算法因其能通过多次迭代提高少数类的分类指标来提高分类器的整体性能而有着较好的应用前景。从分析非平衡数据分类性能差的原因入手，通过抑制过度拟合与对少数类的F度量的控制对经典推进算法进行改进，提出了一种改进算法RIFBoost，然后将算法在WEKA系统上与几个传统的分类算法进行了比较。实验结果表明，RIFBoost算法在保留整体精度的同时对少数类的F度量的性能有了一定的提高。