技術(shù)特征：

1.一種基于歐氏距離改進的kNN近鄰查找方法，其特征在于：假定由n(n>0)個樣本構(gòu)成樣本集合S＝{s₀,s₁,…,s_n-1}，同時共有t(t>0)個線程TD₀、TD₁、…、TD_t-1進行處理，在S中查找與待分類樣本v₀最相似的k個近鄰，則本方法具體可以分為3個主要步驟：

步驟1，線程初始化處理；對任一線程TD_j(0≤j≤t-1)，令其中為取下整符號，則TD_j首先在S_j中隨機取k個樣本，構(gòu)成TD_j關(guān)于待分類樣本v₀的初始k-近鄰集合再計算中各樣本與v₀的歐氏距離，并選擇其中距離最大值，不妨記為dmax_j，假定與它對應的樣本為s_max；同時令并且令樣本集合

步驟2，單個線程求k-近鄰；對任一線程TD_j(0≤j≤t-1)，從中逐個選取每一樣本s；首先，計算s各個維度與v₀對應維度的距離，并將其與radius進行比較：只要其中有一個維度的距離大于radius，則直接丟棄s；否則，計算s與v₀的歐氏距離d；

將計算所得d與dmax_j進行比較，如果d大于dmax_j，則直接丟棄s；否則令并再在所得新的中選擇距離v₀最遠的樣本(仍用s_max表示)，v₀和樣本s_max的距離仍用dmax_j表示，同時更新當中所有樣本處理完后，則得到線程TD_j的k-近鄰集合計算并記錄中各樣本與v₀的歐氏距離；

步驟3，多線程歸并求k-近鄰；將t個線程的k-近鄰集合進行歸并，得到該集合中共有t*k個樣本，并對應t*k個歐氏距離；通過在t*k個歐氏距離中選取k個最小值，很容易得到全局樣本集合S中關(guān)于待分類樣本v₀的k個近鄰。