diff --git a/function.py b/function.py
index b1f8c16..4c224a8 100644
--- a/function.py
+++ b/function.py
@@ -1,5 +1,4 @@
-# function.py
-import numpy as np
+#import numpy as np
 import os
 
 """
@@ -25,8 +24,8 @@ import os
 """
 请在这里填写学号和姓名，不填写即成绩无效。
 """
-id = "202210423xxx"
-name = "test_name"
+id = "202210423118"
+name = "刘国庆"
 
 
 """
@@ -41,7 +40,7 @@ name = "test_name"
 
 
 # 这里写自己的代码实现
-def classify(input_vector, dataSet, labels, k=0):
+def classify(input_vector, dataSet, labels, k=3): 
     """
     KNN 分类算法。
 
@@ -54,6 +53,18 @@ def classify(input_vector, dataSet, labels, k=0):
     Returns:
     - int: 预测的分类标签。
     """
+    # 计算欧氏距离
+    distances = np.linalg.norm(dataSet - input_vector, axis=1)
+    # 按照距离升序排序，并选择前 k 个最近的样本
+    nearest_neighbors = np.argsort(distances)[:k]
+    # 统计每个标签出现的频率
+    label_count = {}
+    for i in nearest_neighbors:
+        label = labels[i]
+        label_count[label] = label_count.get(label, 0) + 1
+    # 返回出现次数最多的标签
+    predicted_label = max(label_count, key=label_count.get)
+    return predicted_label
 
 
 # 这里也写自己的代码实现
@@ -68,6 +79,15 @@ def load_dataset(directory):
     - np.array: 特征数据。
     - np.array: 标签数据。
     """
+    labels = []
+    file_list = os.listdir(directory)
+    num_files = len(file_list)
+    data_set = np.zeros((num_files, 1024))
+    for i, file_name in enumerate(file_list):
+        label = int(file_name.split('_')[0])  # 文件名的第一个字符为标签
+        labels.append(label)
+        data_set[i, :] = img_to_vector(os.path.join(directory, file_name))
+    return data_set, np.array(labels)
 
 
 # 这里还写自己的代码实现
@@ -82,6 +102,13 @@ def img_to_vector(filename):
     Returns:
     - np.array: 二值图像向量。
     """
+    vector = np.zeros((1, 1024))
+    with open(filename) as f:
+        for i in range(32):
+            line = f.readline().strip()
+            for j in range(32):
+                vector[0, 32 * i + j] = int(line[j])
+    return vector
 
 
 if __name__ == "__main__":