1.非均匀大数据的分类方法，包括下述步骤：

(1)获得大数据各实例的类数目，各类的名称记为mi,i＝1,2,…,M；

(2)采用降抽样方法为每个类mi抽样出Di个数据集；

(3)对每个数据集构建一个元分类器；

(4)对每个类mi的Di个分类器进行集成学习；

(5)测试：对每一个实例，在每个类mi中进行分类，得到的M个结果中准确率最高的类为测试实例的类别。

2.根据权利要求1的方法，所述步骤(2)的每个数据集的数据量ni由 确定，其中ta/2表示置信度的值，通过t分布临界值获得，ε表示设定的最大的允许误差。

3.根据权利要求1的方法，在步骤(3)，对每个类mi的Di个数据集构建Di个元分类器的方法选自：二类分类法、最近邻算法、决策树法、神经网络法或森林树法。

4.根据权利要求1的方法，在步骤(3)，对每个类mi的Di个数据集构建Di个元分类器的方法选用：二类分类法。

5.根据权利要求1的方法，在步骤(4)，采取向前贪婪集成分类结果方法对每个类mi的Di个元分类器进行集成学习，得到一个集成分类器。

6.根据权利要求1的方法，在步骤(4)，采取向前贪婪集成分类结果方法的具体过程如下：D.构建候选分类器集合CCS＝{C1,…,CM}和选定的分类器集合SCS＝{}；

E.对每个分类器Ci，选取准确率最好的分类器，把它从CCS去掉而加入SCS中；

F.把当前每个CCS中的分类器Cj加入SCS中验证，分类结果如果超过用户事先指定的阈值，则跳到E，且把Cj从CCS移到SCS，直到CCS为空集；否则跳到步骤(5)；

至此，对M个类，一共建立了M个集成分类器Ci,i＝1,…，M，每个集成分类器包含n个元分类器。