El algoritmo de los k vecinos más cercanos (KNN) ha sido ampliamente utilizado para análisis de clasificación en aprendizaje automático. Sin embargo, sufre de muestras de ruido que reducen su capacidad de clasificación y, por lo tanto, la precisión de predicción. Este artículo presenta el método de vecinos más cercanos de alto nivel (HLKNN), una nueva técnica para mejorar el algoritmo de los k vecinos más cercanos, que puede abordar eficazmente el problema del ruido y contribuir a mejorar el rendimiento de clasificación de KNN. En lugar de solo considerar vecinos de una instancia de consulta dada, también tiene en cuenta los vecinos de estos vecinos. Se realizaron experimentos en 32 conjuntos de datos populares bien conocidos. Los resultados mostraron que el método HLKNN propuesto superó al método KNN estándar con valores de precisión promedio del 81.01% y 79.76%, respectivamente. Además, los experimentos demostraron la superioridad de HLKNN sobre variantes anteriores de KNN en términos de la métrica de precisión en varios conjuntos de datos.