針對在不平衡分布數(shù)據(jù)中執(zhí)行主動(dòng)學(xué)習(xí)，其分類面容易形成偏倚，從而導(dǎo)致主動(dòng)學(xué)習(xí)失效這一問題，擬采用采樣技術(shù)作為學(xué)習(xí)過程的平衡控制策略，在調(diào)查了幾種已有的采樣算法的基礎(chǔ)上，提出了一種邊界過采樣算法，并將其與主動(dòng)學(xué)習(xí)相結(jié)合。此外，考慮到極限學(xué)習(xí)機(jī)所具有的泛化能力強(qiáng)、訓(xùn)練速度快等優(yōu)點(diǎn)，擬采用其作為基分類器，來加速主動(dòng)學(xué)習(xí)的進(jìn)程。通過12個(gè)基準(zhǔn)數(shù)據(jù)集對加入平衡控制策略的主動(dòng)學(xué)習(xí)算法的性能進(jìn)行了驗(yàn)證，結(jié)果表明：在不平衡場景下，主動(dòng)學(xué)習(xí)確實(shí)會受到其負(fù)面影響，且引入了采樣技術(shù)的主動(dòng)學(xué)習(xí)算法性能明顯更優(yōu)。