Los algoritmos de clasificación de computación granular paramétrica conducen a dificultades en términos de selección de parámetros, los múltiples tiempos de rendimiento de los algoritmos y una mayor complejidad del algoritmo en comparación con los algoritmos no paramétricos. Presentamos algoritmos de clasificación de computación granular de hipercubo no paramétricos (NPHBGrCs). En primer lugar, el grano tiene una forma de hipercubo, con el punto de inicio y el punto final inducidos por cualquier par de vectores en un espacio N-dimensional (N-D). En segundo lugar, se define una nueva distancia entre el hipercubo atómico y el grano de hipercubo para determinar el proceso de unión entre el hipercubo atómico y el hipercubo. En tercer lugar, se utilizan problemas de clasificación para verificar el NPHBGrC diseñado. La viabilidad y superioridad del NPHBGrC se demuestran mediante conjuntos de datos de referencia en comparación con algoritmos paramétricos como el HBGrC.