diff --git a/function.py b/function.py
index b1f8c16..1740eda 100644
--- a/function.py
+++ b/function.py
@@ -2,6 +2,7 @@
 import numpy as np
 import os
 
+
 """
 实验说明:
 - 自行编写实现数据加载与 kNN 的手写数字分类算法。
@@ -25,8 +26,8 @@ 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 = "202210423124"
+name = "刘子豪"
 
 
 """
@@ -41,7 +42,7 @@ 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。
 
@@ -49,17 +50,29 @@ def classify(input_vector, dataSet, labels, k=0):
     - input_vector (numpy array): 输入待分类的样本。
     - dataSet (numpy array): 训练数据集。
     - labels (list or numpy array): 训练集对应的标签。
-    - k (int): kNN 算法参数，请**自行设置默认值**，评测时仅会使用其默认值，不修改默认值将**无法通过**评测，**成绩为零**。
+    - k (int): kNN 算法参数。
 
     Returns:
     - int: 预测的分类标签。
     """
+    distances = np.sqrt(((dataSet - input_vector) ** 2).sum(axis=1))  # 计算欧式距离
+    sorted_dist_indices = distances.argsort()  # 按距离升序排列索引
+    
+    class_count = {}
+    for i in range(k):
+        vote_label = labels[sorted_dist_indices[i]]
+        class_count[vote_label] = class_count.get(vote_label, 0) + 1
+    
+    sorted_class_count = sorted(class_count.items(), key=lambda x: x[1], reverse=True)
+    
+    return sorted_class_count[0][0]
+
 
 
 # 这里也写自己的代码实现
 def load_dataset(directory):
     """
-    从文件夹中加载数据，若不自行正确实现，则无法通过评测，**不记录成绩**。
+    从文件夹中加载数据。
 
     Args:
     - directory (str): 数据文件夹路径。
@@ -68,13 +81,24 @@ 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_matrix = np.zeros((num_files, 1024))  # 初始化数据矩阵
+    
+    for i, filename in enumerate(file_list):
+        label = int(filename.split('_')[0])  # 从文件名中提取标签
+        labels.append(label)
+        data_matrix[i, :] = img_to_vector(os.path.join(directory, filename))
+    
+    return data_matrix, np.array(labels)
+
 
 
 # 这里还写自己的代码实现
 def img_to_vector(filename):
     """
     将二值图像转换为向量。
-    该部分应为 load_dataset 函数的辅助子函数，可单独在这里实现，也可直接集成至 load_dataset 函数中。
 
     Args:
     - filename (str): 图像文件路径。
@@ -82,6 +106,13 @@ def img_to_vector(filename):
     Returns:
     - np.array: 二值图像向量。
     """
+    vector = np.zeros((1, 1024))  # 32x32 的二值图像会转换为 1x1024 的向量
+    with open(filename) as file:
+        for i in range(32):
+            line = file.readline()
+            for j in range(32):
+                vector[0, 32 * i + j] = int(line[j])
+    return vector
 
 
 if __name__ == "__main__":