针对单个神经网络分类准确率低、RUSBoost算法提高NN分类器准确率耗时长的问题，提出了一种混合RUSBoost算法和积矩系数的分类优化算法。首先，利用RUSBoost算法生成m组训练集；然后，依据Pearson积矩系数计算每组训练集属性的相关程度消除冗余属性，生成目标训练集；最后，新的子训练集训练神经网络分类器，选择最大准确率分类器作为最终的分类模型。实验中使用了四个Benchmark数据集来验证所提算法的有效性。实验结果表明，提出的算法的准确率相较于传统的算法最多提升了8.26%，训练时间最高降低了6227%。