提出了一种新的多分类器融合算法。对特征的提取以约简为基础，按照一定的策略添加若干个属性重要度和特征贡献率大的特征，构成一个融合的特征子集空间；接着借助于kNN的思想，计算测试样本的k个最邻近点的类别百分比，为了提高分类精度，引入了样本相似度测度测试样本与k个最邻近点的相似性，通过设置合适的类别百分比和样本相似度的阈值，最终确定测试样本的类别归属。6个UCI标准数据集的实验分析表明，算法是有效的、可行的。详细分析了不同的约简和不同的阈值对分类精度的影响。