针对样本集不均衡造成分类器精度不足的问题,提出一种KD树均衡训练集的集成偏标记学习算法。按照伪标签划分样本,采用KD树检索的方式均衡训练集,再采用多个分类器投票方式实现消岐,最终运用集成学习的方法实现分类。在公开数据集上的仿真实验结果表明,该偏标记学习算法在分类上具有较好的表现力。