在MATLAB实现的用C实现的KNN算法，输入训练数据文件，和test文件，进行预测分类，并且可以与真实情况比较测试预测正确百分比-Implemented in MATLAB KNN algorithm implemented in C, the input training data file, and test files, to predict the classification and testing with the real situation is more correct pe

进行K近邻分类器的编写，与k近邻分类器的测试(K nearest neighbor classifier, and K nearest neighbor classifier test)

在训练集中数据和标签已知的情况下，输入测试数据，将测试数据的特征与训练集中对应的特征进行相互比较，找到训练集中与之最为相似的前K个数据，则该测试数据对应的类别就是K个数据中出现次数最多的那个分类。(In the case where the training data and the tag are known, the test data is input, the characteristics of the test data are compared with the character

matlab编写的knn分类算法，在训练集中数据和标签已知的情况下，输入测试数据，将测试数据的特征与训练集中对应的特征进行相互比较，找到训练集中与之最为相似的前K个数据，则该测试数据对应的类别就是K个数据中出现次数最多的那个分类。(KNN classification algorithm written by MATLAB)

模式识别中的k近邻算法，经过测试，运行结果很好。 最小距离分类器 : 它将各类训练样本划分成若干子类，并在 每个子类中确定代表点 。测试样本的类别则以其与这些代表点距离最近作决策。该方法的缺点是所选择的代表点并不一定能很好地代表各类，其后果将使错误率增加。(The k nearest neighbor algorithm in pattern recognition has been tested and the result is very good. Minimum distance c