随着计算机技术和互联网技术的发展,越来越多的用户正在使用P2P软件进行资源下载、视频观看、信息共享等等。P2P系统用户量快速增长,已成为当前网络最重要的应用之一。但是,P2P软件的广泛使用,给互联网的网络带宽带来了十分巨大的影响。有研究数据表明,目前P2P应用使用的网络流量已经大大超出了HTTP协议产生的网络流量,已经成为网络带宽占用率最大的部分。针对P2P占用大量网络流量的问题,网络运营商提出并使用了许多种方案对P2P应用软件流量的限制和网络监控,但是这些方法都无法改变目前运营商和P2P使用者之间的问题。P2P网络大流量问题的本质原因在于P2P应用软件使用的交换原理,P2P网络强调网络中的节点是绝对“平等”的,但是在物理空间邻近的节点在逻辑网络中不一定相近,跨地区的资源共享会导致网络带宽的浪费。本文主要提出一种基于统计学习的节点选择算法。基于统计学习的原理,利用相似性度量的方法,使节点根据地理位置的相似度进行聚类构建邻居网络,对于同一邻居网络优先选择上传能力强、稳定性好的节点进行资源下载。此外,本文对提出的算法进行了仿真模拟实验,证明提出的算法思想可行,并且提高P2P系统的整体吞吐量、减少用户的平均下载时间,从而有效的改善P2P系统的整体性能。