本文综述不平衡数据分类的重平衡方法，重点讨论SMOTE及其变体。研究表明，仅高度不平衡数据集需重平衡，SMOTE、欠采样及k-means SMOTE等方法可提升分类性能。结合Mixup、GAN和量子计算等新技术，可进一步改善医学影像等任务效果并降低计算时间。

该文综述不平衡数据分类的采样方法，包括SMOTE与欠采样组合、k-means SMOTE、SMOTENN、Mixup深度学习增强、SMOTE-RUS-NC及BSGAN，并探讨自动采样策略选择与过采样可靠性问题，指出这些方法可提升分类性能。

本文综述了不平衡数据分类领域的研究，讨论了数据层方法、算法层方法和混合方法等三个主要方面，并总结分析了现有方法的问题、算法思想、优势和劣势，另外还讨论了类别不平衡数据分类的挑战与解决策略，方便研究人员根据实际需求选择适用的方法。