為解決垃圾網(wǎng)頁檢測過程中的“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)成多個平衡的子訓(xùn)練樣本集；然后，設(shè)計一種免疫克隆算法遴選出多個最優(yōu)的特征子集；基于最優(yōu)特征子集對平衡的子樣本集進行投影操作，生成平衡數(shù)據(jù)集的多個視圖；最后，用隨機森林（RF）分類器對測試樣本進行分類，采用簡單投票法確定測試樣本的最終類別。在WEBSPAM UK-2006數(shù)據(jù)集上的實驗結(jié)果表明，該集成分類器算法應(yīng)用于垃圾網(wǎng)頁檢測：與隨機森林算法及其Bagging和AdaBoost集成分類器算法相比，準確率、F1測度、AUC等指標均提高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測度上提高2%，在AUC上達到最優(yōu)。