在本文中，我们提出了从粗到细的K最近邻（KNN）分类器（CFKNNC）。 CFKNNC不同从常规KNN分类器（CKNNC）得出的结果如下：CFKNNC首先粗略地确定少量的“接近”测试样本的训练样本，然后精细地确定测试样本的K个最近邻居。 CFKNNC和CKNNC之间的主要区别在于它们利用了``基于表示的距离''和欧几里得距离来确定测试的最近邻居分别来自训练样本集中的样本。 分析表明，“基于代表距离''能够考虑到不同训练样本之间的依赖关系。 实际上，从以下观点来看，通过建议的方法确定的最近邻居是最