提高超短期风速预测准确率和可靠性的途径之一，是从历史观测值中充分挖掘风速相关性的特征和规律。将本地最新的风速历史观测值结合按照最优延迟时间提前的上游风速观测值，形成空间相关性k近邻预测的参考矢量；以相关系数作为相关性的具体评价指标，从风速历史观测值中优选出该参考矢量的k个最相似的近邻；采用7种回归模型进行本地的未来风速预测。荷兰Huibertgat地区冬季风速预测的仿真结果表明：使用线性回归、偏最小二乘回归、最小二乘支持向量回归3个优化模型预测，优化的k近邻数量为100左右，优化的历史数据年数为10 a；空间相关性k近邻风速预测能够有效使用历史数据的相似性进行可靠的超短期风速预测。

使用Python语言实现的k-近邻算法实现手写数字识别系统代码，包含代码和训练测试集

K近邻算法matlab实现，包括分层聚类KNN和KDtree KNN，有什么建议，欢迎与我交流，谢谢

本程序中,训练样本集含有30个样本,矢量长度为5,对样本{1,18,11,11,0.5513196}进行K=5的K-最近邻分类. 样本从文件data.txt中读取，程序运行结果显示所有样本以及其类别，待分类样本所属的类别（{1,18,11,11,0.5513196}属于"2"类），以及它的5个最近邻的类别和与它之间的距离。

K近邻互信息计算程序matlab代码,KraskovMI算法实现，可用于计算时间序列数据之间的相关性

机器学习算法KNN的一种java实现方式，含源代码和测试数据。

最近邻法，k近邻法，及最小错误率分析，快速搜索算法，压缩紧邻法，基本原理，内容及应用

用matlab自己编的knn分类算法，分别将三类不同的数据通过knn分类，并给出了分类结果

此代码为近邻传播聚类 即affinity appropagation 聚类算法的实现以及演示代码

k近邻算法