最も広く考えられ、成功した教師あり分類アルゴリズムの一つとして立っている間、k-最近傍(kNN)分類器は、一般的にインスタンスベースの方法であるために効率が悪いことを示しています。, この意味で、近似類似探索(ASS)は、典型的には分類器の性能を低下させることを犠牲にして、これらの効率問題を改善するための可能な代替案として ここでは,クラスタリングに基づくASS戦略を初期点として取った。 その後、パフォーマンスの改善による解決の問題をインスタンス近くにあるクラスタの境界による拡大のサイズを考慮しての利用の深いネットワークの学習に適した表現の分類のタスクです。, 八つの異なるデータセットのコレクションを用いた結果は、これら二つの戦略の組み合わせ使用は、基本的なknnルールと比較してサンプルを分類するために必要な距離の数のかなりの減少と、精度性能の大幅な改善を伴うことを示している。