针对类不平衡问题，提出KHOI-SMOTE方法，结合k-means聚类和h-outlyingness指数（HOI），将合成样本生成重点从同一聚类内转向跨聚类稀疏区域，减少噪声传播并提升分类性能。实验在22个涵盖基准和医学的数据集上验证其优于传统SMOTE及变种，假设检验确认显著差异。

针对气候变化下降雨引发洪水损失评估中数据不均衡与灾害机制不透明问题，提出SMOTE-BN-FLA融合框架，通过SMOTE处理数据不平衡与贝叶斯网络量化预测不确定性，在福建2022和2024年洪水事件中验证其显著优于传统模型（R2=0.74，ROC=0.96），并揭示人均GDP和累计降水量 ...