K最近鄰(k-Nearest Neighbor，KNN)分類算法，是一個理論上比較成熟的方法，也是最簡單的機器學習算法之一。該方法的思路是：如果一個樣本在特征空間中的k個最相似(即特征空間中最鄰近)的樣本中的大多數屬于某一個類别，則該樣本也屬于這個類别。
1 定義
如果一個樣本在特征空間中的k個最相似(即特征空間中最鄰近)的樣本中的大多數屬于某一個類别，則該樣本也屬于這個類别，即由你的“鄰居”來推斷出你的類别.
2 距離公式
兩個樣本的距離可以通過如下公式計算，又叫歐式距離
3 KNN算法的步驟
（1）計算已知類别資料集中每個點與目前點的距離；
（2）選取與目前點距離最小的K個點；
（3）統計前K個點中每個類别的樣本出現的頻率；
（4）傳回前K個點出現頻率最高的類别作為目前點的預測分類。
4 KNN原理
5 KNN的優缺點
6 KNN性能問題
NN的性能問題也是KNN的缺點之一。使用KNN，可以很容易的構造模型，但在對待分類樣本進行分類時，為了獲得K近鄰，必須采用暴力搜尋的方式，掃描全部訓練樣本并計算其與待分類樣本之間的距離，系統開銷很大。
1 matlab版本
2014a
2 參考文獻
[1]韓紀慶,張磊,鄭鐵然.語音信号處理（第3版）[M].清華大學出版社，2019.
[2]柳若邊.深度學習:語音識别技術實踐[M].清華大學出版社，2019.
[3]葉斌.基于HMM和PNN的語音情感識别研究.[J]青島大學學報(工程技術版). 2011,26(04)