更新 function.py

function.py

@@ -60,6 +60,39 @@ def classify(input_vector, dataSet, labels, k=3):
     返回:  
     - int: 预测的分类标签。  
     """  
+   # 在 classify 函数中实现权重投票
+    distances = np.sum((input_vector - dataSet) ** 2, axis=1)
+    sorted_indices = distances.argsort()
+    k_nearest_distances = distances[sorted_indices[:k]]
+    k_nearest_labels = labels[sorted_indices[:k]]
+    
+    # 计算权重（距离的倒数）
+    weights = 1 / k_nearest_distances
+    # 归一化权重
+    weights /= weights.sum()
+    
+    # 计算加权投票
+    weighted_votes = np.zeros((10,))
+    for label, weight in zip(k_nearest_labels, weights):
+        weighted_votes[label] += weight
+    
+    return np.argmax(weighted_votes)
+
+# 在 load_dataset 函数中添加特征缩放
+def load_dataset(directory):
+    feature_list = []
+    label_list = []
+    for file in os.listdir(directory):
+        file_path = os.path.join(directory, file)
+        feature_vector = img_to_vector(file_path)
+        feature_list.append(feature_vector)
+        label_list.append(int(file.split('_')[0]))
+    feature_matrix = np.array(feature_list)
+    label_array = np.array(label_list)
+    
+    # 特征缩放
+    feature_matrix = feature_matrix / 255.0
+    return feature_matrix, label_array
     # 计算输入向量与训练集之间的欧氏距离
     distances = np.sum((input_vector - dataSet) ** 2, axis=1) ** 0.5
     # 根据距离排序并获取索引
@@ -80,8 +113,8 @@ def load_dataset(directory):
     - directory (str): 数据文件夹路径。  
   
     返回:  
-    - np.array: 特征数据（Mx1024）。  
-    - np.array: 标签数据（Mx1）。  
+	    - np.array: 特征数据（Mx1024）。  
+	    - np.array: 标签数据（Mx1）。  
     """  
     # 初始化特征数据列表和标签列表
     feature_list = []
@@ -165,3 +198,4 @@ if __name__ == "__main__":
     )
 
     print(f"预测的标签: {predicted_label}")
+