【摘要】实例约简的目的是移除训练集中的冗余样本。大多数实例约简算法保留了许多内部样本，且难以处理非球形的数据。为此，文章提出了一种基于局部均值k近邻和密度峰值聚类的实例约简算法（IRLMDP）。首先，设计了一种基于局部均值k近邻的裁剪方法LMEM来移除噪声；其次，设计了一种基于局部均值k近邻和密度峰值聚类的压缩方法CMLMDP来保留代表性的边界样本；最后，实验证明，就KNN分类器而言，IRLMDP在分类正确率和样本压缩率上优于6个流行的实例约简算法。