El algoritmo del seno y coseno es un nuevo método de optimización de poblaciones simple y efectivo propuesto en los últimos años que ha sido estudiado en muchas obras de literatura. Basándose en el principio básico del algoritmo del seno y coseno, este documento estudia completamente los principales parámetros que afectan el rendimiento del algoritmo del seno y coseno, integra el algoritmo de aprendizaje inverso, agrega una solución de oposición de élite y forma el algoritmo híbrido del seno y coseno (híbrido SCA). Combinado con el método de vecino k más cercano difuso y el híbrido SCA, este documento simula numéricamente conjuntos de datos de dos clases y conjuntos de datos de múltiples clases, obtiene una gran cantidad de resultados numéricos y analiza los resultados. El híbrido SCA FKNN propuesto en este documento ha logrado una buena precisión en la clasificación y los resultados de predicción en 10 tipos diferentes de conjuntos de datos. En comparación con SCA FKNN, LSCA FKNN, BA FKNN, PSO FKNN y SSA FKNN, la precisión de predicción mejora significativamente. En la prueba de rango firmado de Wilcoxon con SCA FKNN y LSCA FKNN, la hipótesis nula (nivel de significancia 0.05) es rechazada y los dos clasificadores tienen una precisión significativamente diferente.