多项研究探讨了类别不平衡分类中的过采样方法。有研究指出，过采样生成的少数类样本可能实际属于多数类，可靠性存疑。为此，其他研究提出改进方案：结合聚类与SMOTE、利用聚类中心生成样本、基于三方博弈生成边界样本、SMOTENN混合重采样、将少数类图像粘贴到多数类背景以扩增数据，以及多标签不平衡分类中的合成采样。这些方法在不同数据集上均提升了分类性能。