课程作业，实现了KNN距离加权和特征加权算法，有完整可运行的代码，以及展示的PPT,以及上交的word文档。

针对数据的特征存在单一和协同特征的选择问题, 基于平方误差标准核密度估计和随机置换理论, 首先提出一种针对单一特征的特征选择方法(FSKDE-RP); 然后, 针对协同特征的情况, 通过拓展随机置换理论, 提出多维协同特征选择算法(SFSKDE-MRP), 并利用核神经网络(KNN) 分类器的分类精度选择最优特征子集. 在模拟数据和真实数据集上的实验结果表明了所提出算法的有效性.