尽管存在许多k最近邻方法及其变体，但很少有人考虑如何在整个特征空间和子空间中利用信息。 为了解决此限制，我们提出了一个新的分类器，称为随机子空间证据分类器（RSEC）。 具体而言，RSEC首先计算每个类的局部超平面距离，不仅作为整个特征空间的证据，而且还作为随机生成的特征子空间的证据。 然后，根据这些距离为每个类别的证据计算基本信念分配。 在下文中，由基本信念分配代表的所有证据都由Dempster规则汇集在一起​​。 最后，RSEC根据组合的信念分配为每个测试样本分配类别标签。 来自UCI机器学