更新 function.py

function.py

@@ -45,18 +45,32 @@ import numpy as np
 import os
 from collections import Counter
 
-def classify(input_vector, dataSet, labels, k=3):  # 设置默认值 k=1
-    """使用 KNN 算法对输入样本进行分类。"""
-    # 计算输入向量与训练集之间的欧氏距离
-    distances = np.linalg.norm(dataSet - input_vector, axis=1)
+def classify_mahalanobis(input_vector, dataSet, labels, k=1):
+    """使用 KNN 算法并基于马氏距离对输入样本进行分类。"""
+    # 计算数据集的协方差矩阵及其逆矩阵
+    cov_matrix = np.cov(dataSet, rowvar=False)
+    
+    # 对协方差矩阵添加正则化
+    cov_matrix += np.eye(cov_matrix.shape[0]) * 1e-5
+    
+    # 计算协方差矩阵的逆矩阵
+    inv_cov_matrix = np.linalg.inv(cov_matrix)
+    
+    # 计算马氏距离
+    diffMat = dataSet - input_vector
+    distances = np.sqrt(np.sum(np.dot(diffMat, inv_cov_matrix) * diffMat, axis=1))
+
     # 根据距离排序并获取索引
     sorted_indices = distances.argsort()
+    
     # 选择距离最近的k个点
     k_nearest_labels = labels[sorted_indices[:k]]
+    
     # 统计k个点中各类别的数量
     count = Counter(k_nearest_labels)
+    
     # 返回数量最多的类别标签
-    return count.most_common(1)[0][0]
+return count.most_common(1)[0][0]
 
 def load_dataset(directory):
     """加载数据集中的图像，并将其转换为特征向量和标签。"""