研究关联限制在最近邻分类中的应用,提出结合关联限制的最近邻分类算法PCNN.算法分成两个阶段:首先通过自学习过程,成对地添加施加关联限制的样本对;然后再进行一般的最近邻分类.引入最大半径和有效距离,并进一步给出自学习时样本对的评估方法,并且基于实验结果进行了分析.由于来自运输企业的行车数据能够较容易地施加关联限制,本算法比行车数据分类算法CIRP更为经济.对4个UCI数据集的分类结果也显示了算法的有效性.