为解决分类器学习新样本知识的问题，提出一种基于近邻算法的增量学习算法。该算法以最近邻算法为基础，首先计算新样本与标准样本之间的匹配度，找到最佳匹配样本和次佳匹配样本，然后通过与匹配度阈值进行比较来决定是类内学习还是类别学习。算法采用UCI中的标准数据集进行实验并应用于车辆识别仿真，其结果验证了该算法的有效性。实验进一步研究了匹配度阈值的选择和初始化样本数量选取对分类正确率影响。