非平衡数据集是指数据集中的某类样本数量远大于其他样本的数量。对于此类数 据，类分布的不平衡会直接导致很多分类算法的失效。文中基于K-means聚类，Silhouette 指标和M．近邻下采样提出一种新的数据平衡方法（K．S．M）。该方法首先用K-means算 法对多数类样本进行多次聚类并选取最优聚类个数，然后采用M．近邻下采样对聚类后的 数据进行采样，将采样后的点最终构成平衡数据，并对得到的平衡数据进行癫痫性发作的 自动检测。实验结果表明，文中所提方法可以很好地处理非平衡数据，减少数据信息损 失，同时可以提高非平衡数据分类的有效性。