diff --git a/function.py b/function.py
index b1f8c16..21e1b8f 100644
--- a/function.py
+++ b/function.py
@@ -1,4 +1,3 @@
-# function.py
 import numpy as np
 import os
 
@@ -25,23 +24,11 @@ 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 = "202210423117"
+name = "程悦"
 
 
-"""
-参数说明:
-- 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**。
-返回值:
-- int: 预测的分类标签。
-"""
-
-
-# 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=5):
     """
     KNN 分类算法。
 
@@ -54,23 +41,15 @@ def classify(input_vector, dataSet, labels, k=0):
     Returns:
     - int: 预测的分类标签。
     """
+    num_samples = dataSet.shape[0]
+    diffs = np.tile(input_vector, (num_samples, 1)) - dataSet
+    distances = np.sum(diffs**2, axis=1)**0.5
+    sorted_indices = np.argsort(distances)
+    k_nearest_labels = [labels[i] for i in sorted_indices[:k]]
+    unique_labels, counts = np.unique(k_nearest_labels, return_counts=True)
+    return unique_labels[np.argmax(counts)]
 
 
-# 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**。
-
-    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。
@@ -82,6 +61,31 @@ def img_to_vector(filename):
     Returns:
     - np.array: 二值图像向量。
     """
+    with open(filename, 'r') as f:
+        lines = f.readlines()
+        return np.array([int(char) for line in lines for char in line.strip()])
+
+
+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**。
+
+    Args:
+    - directory (str): 数据文件夹路径。
+
+    Returns:
+    - np.array: 特征数据。
+    - np.array: 标签数据。
+    """
+    data = []
+    labels = []
+    for filename in os.listdir(directory):
+        if filename.endswith(".txt"):
+            label = int(filename[0])
+            vector = img_to_vector(os.path.join(directory, filename))
+            data.append(vector)
+            labels.append(label)
+    return np.array(data), np.array(labels)
 
 
 if __name__ == "__main__":
@@ -128,4 +132,4 @@ if __name__ == "__main__":
         train_labels,
     )
 
-    print(f"预测的标签: {predicted_label}")
+    print(f"预测的标签: {predicted_label}")
\ No newline at end of file