為解決垃圾網(wǎng)頁檢測(cè)過程中的“維數(shù)災(zāi)難”和不平衡分類問題，提出一種基于免疫克隆特征選擇和欠采樣（US）集成的二元分類器算法。首先，使用欠采樣技術(shù)將訓(xùn)練樣本集大類抽樣成多個(gè)與小類樣本數(shù)相近的樣本集，再將其分別與小類樣本合并構(gòu)成多個(gè)平衡的子訓(xùn)練樣本集；然后，設(shè)計(jì)一種免疫克隆算法遴選出多個(gè)最優(yōu)的特征子集；基于最優(yōu)特征子集對(duì)平衡的子樣本集進(jìn)行投影操作，生成平衡數(shù)據(jù)集的多個(gè)視圖；最后，用隨機(jī)森林（RF）分類器對(duì)測(cè)試樣本進(jìn)行分類，采用簡(jiǎn)單投票法確定測(cè)試樣本的最終類別。在WEBSPAM UK-2006數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明，該集成分類器算法應(yīng)用于垃圾網(wǎng)頁檢測(cè)：與隨機(jī)森林算法及其Bagging和AdaBoost集成分類器算法相比，準(zhǔn)確率、F1測(cè)度、AUC等指標(biāo)均提高11%以上；與其他最優(yōu)的研究結(jié)果相比，該集成分類器算法在F1測(cè)度上提高2%，在AUC上達(dá)到最優(yōu)。