diff --git a/function.py b/function.py
index b1f8c16..2f8f4bb 100644
--- a/function.py
+++ b/function.py
@@ -25,8 +25,8 @@ 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 = "202210423230"
+name = "尹家立"
 
 
 """
@@ -41,47 +41,49 @@ name = "test_name"
 
 
 # 这里写自己的代码实现
-def classify(input_vector, dataSet, labels, k=0):
-    """
-    KNN 分类算法。
+def classify(input_vector, dataSet, labels, k=3):
+    # 计算输入向量与每个训练样本的欧氏距离
+    distances = np.linalg.norm(dataSet - input_vector, axis=1)
+    
+    # 获取距离最近的 k 个样本的索引
+    k_nearest_indices = distances.argsort()[:k]
+    
+    # 获取这 k 个样本的标签
+    k_nearest_labels = [labels[i] for i in k_nearest_indices]
+    
+    # 统计出现次数最多的标签，作为预测结果
+    predicted_label = max(set(k_nearest_labels), key=k_nearest_labels.count)
+    
+    return predicted_label
 
-    Args:
-    - 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**。
-
-    Returns:
-    - int: 预测的分类标签。
-    """
 
 
 # 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**。
+    data = []
+    labels = []
+    for filename in os.listdir(directory):
+        # 每个文件名的前缀即为标签，比如 "9_45.txt" 中 9 为标签
+        label = int(filename.split('_')[0])
+        labels.append(label)
+        
+        # 读取图像文件并转换为向量
+        file_path = os.path.join(directory, filename)
+        vector = img_to_vector(file_path)
+        data.append(vector)
+    
+    return np.array(data), np.array(labels)
 
-    Args:
-    - directory (str): 数据文件夹路径。
-
-    Returns:
-    - np.array: 特征数据。
-    - np.array: 标签数据。
-    """
 
 
 # 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。
-
-    Returns:
-    - np.array: 二值图像向量。
-    """
+    with open(filename) as f:
+        # 读取文件内容，每行表示图像的一部分
+        lines = f.readlines()
+        vector = np.array([int(char) for line in lines for char in line.strip()])
+    
+    return vector
 
 
 if __name__ == "__main__":