Zatímco stojí jako jeden z nejvíce široce považován a úspěšný pod dohledem, klasifikace, algoritmy, algoritmus k-nejbližších sousedů (kNN) klasifikátor obvykle zobrazuje špatná účinnost kvůli tomu, že instance-based metoda., V tomto smyslu je Aproximované vyhledávání podobnosti (ASS) možnou alternativou ke zlepšení těchto problémů s účinností na úkor typicky snížení výkonu klasifikátoru. V tomto článku bereme jako počáteční bod strategii ASS založenou na shlukování. Pak jsme se zlepšit svůj výkon tím, že řeší otázky týkající se instance nachází v blízkosti clusteru hranice zvětšením jejich velikosti a vzhledem k tomu, využití Hlubokých Neuronových Sítí pro učení vhodné zastoupení pro zařazení úkolu na problém., Výsledky pomocí kolekce osmi různých datových souborů ukazují, že kombinované použití těchto dvou strategií s sebou nese výrazné zlepšení v přesnosti provedení, s značné snížení počtu vzdálenosti potřebné ke klasifikaci vzorku ve srovnání se základní kNN pravidlo.