function [dependency,smp_csst]=clsf_dpd_fast2(data_array,delta,smp_chk)
%程序描述：clsf_dpd_fast2,計算新加入的一個屬性的依賴度,相比1，減少了鄰域計算次數(shù)，但增加了前面的判斷次數(shù)
%(no,no,no))-----------新思想+我的改進1+我的改進2
%5種情況：（每次是否檢查全部樣本、鄰域樣本是否全部檢查、距離是否計算完）=>(yes，yes,yes)+(no，yes,yes)+(no，yes,n
%o)+(no,no,yes)+(no,no,no)
%data_array：標準化之后的數(shù)據(jù),數(shù)組，列表示一個屬性(包括決策屬性)在不同樣本上的取值，行表示一個樣本在不同屬性上的取值
%delta：鄰域大小,固定值
%smp_chk:需判斷類別的樣本編號，新加入的屬性只對這些樣本有作用，因此計算的是新加入屬性的依賴度
[m,n]=size(data_array);
num_rightclassified=0;
smp_csst=[];
for i=1:length(smp_chk)
    % find the neighborhood of xi
    sign=1;
    j=0;
    while j~=m
        j=j+1;
        sqare_distance=0;
        in=1;
        if j~=i        
            k=0;    
            while k<n-1
                k=k+1;
                d=(data_array(smp_chk(i),k)-data_array(j,k))^2; 
                if d>1  
                    sqare_distance=sqare_distance+1; % for categorical features
                else 
                    sqare_distance=sqare_distance+d; % for numerical features
                end
                if sqare_distance>delta^2
                    in=0; % in is a flag which shows whether the current sample is in the neighborhood of xi or not 
                    k=n-1;
                end
            end
            if in==1
                if data_array(j,n)~=data_array(smp_chk(i),n)
                    j=m;
                    sign=0;
                end
            end
        end
    end
    if sign==1
        num_rightclassified=num_rightclassified+1;
        smp_csst=[smp_csst,smp_chk(i)];
    end
end
dependency=num_rightclassified/m;