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

KNN作為一種廣為人知的經(jīng)典分類算法，廣泛應(yīng)用于字符識別、人臉識別等方面。但KNN也有很多不足的地方面，對于KNN 的改進(jìn)一直是學(xué)者們研究的熱點，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分類算法的分類性能。運用K-近質(zhì)心近鄰(K-Nearest Centroid Neighbor)算法[2]對數(shù)據(jù)進(jìn)行分類，并對分類結(jié)果進(jìn)行比較研究，