摘要 模式分類(lèi)是指對(duì)表征事物或現(xiàn)象的各種形式的信息進(jìn)行處理和分析，以對(duì)事物或現(xiàn)象進(jìn)行描述、辨認(rèn)、分類(lèi)和解釋的過(guò)程。其目的就是對(duì)未知的樣本，判斷它所在的類(lèi)別。其關(guān)鍵在于如何找到一個(gè)行之有效的分類(lèi)識(shí)別算法，以提高模式識(shí)別率。

KNN作為一種廣為人知的經(jīng)典分類(lèi)算法，廣泛應(yīng)用于字符識(shí)別、人臉識(shí)別等方面。但KNN也有很多不足的地方面，對(duì)于KNN 的改進(jìn)一直是學(xué)者們研究的熱點(diǎn)，目前已經(jīng)有很多的改進(jìn)方法。本文主要研究的是K-近質(zhì)心近鄰分類(lèi)方法，一種基于K-近鄰算法，并結(jié)合近質(zhì)心原則而衍生出的算法，它改善了KNN分類(lèi)算法的分類(lèi)性能。運(yùn)用K-近質(zhì)心近鄰(K-Nearest Centroid Neighbor)算法[2]對(duì)數(shù)據(jù)進(jìn)行分類(lèi)，并對(duì)分類(lèi)結(jié)果進(jìn)行比較研究，