علی نوذری - دانشجوی کارشناسی ارشد، گروه مهندسی کامپیوتر، گرایش هوش مصنوعی، دانشگاه صنعتی مالک اشتر، تهران.
مریم حورعلی - استادیار، گروه مهندسی کامپیوتر، دانشگاه صنعتی مالک اشتر، تهران
سیامک هاشمی - دانشجوی کارشناسی ارشد، گروه مهندسی کامپیوتر، گرایش هوش مصنوعی، دانشگاه صنعتی مالک اشتر، تهران

در سالهای اولیه پیدایش شناسایی الگو، روشهای زیادی ارایه شدند که هر کدام دارای ضعفها وقوتهای خاص خودشان بودند شبکه عصبی ترکیبی، در جایی که تعدادی شبکه عصبی با هم در حل یک مساله استفاده شوند، یک الگوی آموزشی است.. امروزه این سیستمهای تشخیص در کاربردهای متعددی استفاده میشود. در عمل، ممکن است. کاربردهایی وجود داشته باشد که هر رده- بند به تنهایی نتواند آنها را در دقت. قابل قبول حل کند. سپس در سالهای اخیر، روشهای ترکیبی ارایه شدند. در این مقاله از ترکیب ردهبندها استفاده شده است.. ما یک روش ترکیبی با استفاده از مفهوم فازی ارائه میدهیم. برای ساخت. این مدل ترکیبی ازرویکرد ترکیب وزندار ردهبندهای پایه که براساس رایگیری است. استفاده میکنیم. ایده اصلی این مدل ترکیبی الهام از آن است. که قابلیت. اعتماد رایهای هر ردهبند به طور یکسان بین فضای حال. توزیع نشده است.. به کمک یافتن نزدیکترین همسایههای یک داده دلخواه ورودی، میزان اعتماد هر یک از مدلهای پایه در مورد آن داده به دست. میآید. در گام بعد از این میزان اعتمادها به عنوان وزن مشارکت. آن ردهبند پایه استفاده میشود. مجموعه دادههای مورد استفاده در این آزمایش سه مجموعه داده استاندارد از سای. یادگیری ماشین به نامهای Ionosphere و Iris ،Wineبوده است.. این مدل ترکیبی از بهترین ردهبند پایه به ترتیب به میزان5.59و1.56و1.91درصد بهترعمل می کند

ردهبندی ترکیبی، میزان اعتماد، رأی اکثری. وزندار، ردهبندی ترکیبی فازی