对轴承的故障模式辨识是旋转机械故障诊断系统的重要部分，因正常数据丰富、故障数据匮乏而引起的数据不平衡，是轴承故障模式辨识中最为常见的情况。针对不平衡数据中少数类样本辨识精度低的问题，提出一种基于云模型的轴承不平衡数据模式辨识方法。该方法首先将提取出的轴承故障特征数据集通过ReliefF算法计算各特征的权重，选取权重趋大的特征构成低维特征集，并将其划分为不平衡训练集、测试集；其次通过云模型理论中的正向云发生器、逆向云发生器对低维特征集中各个特征分别绘制云图，得到单一特征下各状态的训练数据与测试数据云图；然后通过距离公式判别与待测样本距离最近的训练数据云图，得到某一特征下待测样本所属类别；最后通过Bagging集成的方式将各个特征下的辨识结果进行整合，以相对多数投票法得出待测样本的辨识结果。通过西储大学的轴承数据进行实验，验证了本方法的可行性。