Existen algunos problemas de procesamiento de datos desequilibrados, como la dificultad de integrar conjuntos de datos desequilibrados de manera eficiente. Este artículo propone y construye un criterio de selección de integración de datos de función de penalización mixta, y propone el Algoritmo de Integración de Evolución Diferencial Basado en Criterios de Selección de Función de Penalización Mixta (algoritmo DE-MPFSC). Además, la validez teórica y la convergencia del algoritmo DE-MPFSC son analizadas y demostradas mediante el establecimiento del modelo de secuencia de Markov y el proceso de evolución de Markov del algoritmo DE-MPFSC. En este artículo, se introducen el grado de enredo y el error de grado de enredo para analizar el algoritmo DE-MPFSC. Finalmente, la efectividad y estabilidad del algoritmo DE-MPFSC son verificadas mediante conjuntos de datos de aprendizaje automático de UCI. Los resultados de las pruebas muestran que el algoritmo DE-MPFSC puede mejorar efectivamente la efectividad y aplicación de la clasificación e integración de datos desequilibrados, mejorar la clasificación interna de datos desequilibrados y mejorar la eficiencia de la integración de datos.