针对现有集成分类方法对不平衡时间序列数据学习能力欠佳的问题，采用优化组件算法性能和集成策略的思路，以异构集成方法即基于变换的集合的层次投票集合（HIVE-COTE）为基础，提出一种不平衡时间序列集成分类算法IMHIVE-COTE。该算法主要包含两个改进内容：首先，增加了一个新的不平衡分类组件SBST-HESCA，引入Boosting结合重采样的思路，并通过交叉验证预测结果来更新样本权重，从而使数据集的重采样过程更有利于提升少数类样本的分类质量；其次，结合SBST-HESCA组件对HIVE-COTE计算框架进行改进，通过优化组件算法的权重使不平衡时间序列分类算法对分类结果拥有更高的投票比重，从而再次提升集成算法整体的分类质量。实验部分对IMHIVE-COTE的性能进行了验证和分析：和对比方法相比，IMHIVE-COTE有最高的整体分类评价，并且在三个不平衡分类指标值上分别得到了最优、最优、第三优的整体分类评价，可以证明IMHIVE-COTE解决不平衡时间序列分类问题的能力明显较高。