El clasificador de vecinos más cercanos (K-nearest neighbour) es una técnica no paramétrica muy efectiva y simple en la clasificación de patrones; sin embargo, solo considera la cercanía de la distancia, pero no la colocación geométrica de los k vecinos. Además, su rendimiento de clasificación está altamente influenciado por el tamaño del vecindario k y los valores atípicos existentes. En este artículo, proponemos un nuevo clasificador de vecino centróide k-armónico basado en la media local (LMKHNCN) para considerar tanto la proximidad basada en la distancia como la distribución espacial de los k vecinos. En nuestro método, primero se encuentran los k vecinos centróides más cercanos en cada clase, que se utilizan para encontrar k diferentes vectores de media local, y luego se emplean para calcular su distancia media armónica al ejemplo de consulta. Por último, el ejemplo de consulta se asigna a la clase con la distancia media armónica mínima. Los resultados experimentales basados en veintiséis conjuntos de datos del mundo real muestran que el clasificador LMKHNCN propuesto logra tasas de error más bajas, particularmente en situaciones de tamaño de muestra pequeño, y que es menos sensible al parámetro k en comparación con los otros cuatro clasificadores basados en KNN.