در سالهای اخیر مسئله تشخیص الگو از اهمیت خاصی در کامپیوتر برخوردار بوده است در خیلی از مسائل تشخیص الگو ما نیاز داریم تا بهترین مجموعه خصیصه را انتخاب وآن را با مناسبترین دسته بند دسته بندی کنیم, در سیستم های کلاسبندی چندگانه به جای انتخاب بهترین خصیصه ها به دنبال بهترین مجموعه از دسته بند ها می رویم و بهترین روش ترکیب بین این روشها برای نتیجه ی نهایی انتخاب می کنیم, در این تحقیق هفت تا مجموعه خصیصه ودوتا الگوریتم کلاسبندی استفاده کردیم با روش رای گیری اکثریت برای ترکیب , الگوریتم های استفاده شده برای این مسئله فاصله اقلیدسی و روش نوین بافت خصیصه است که یک روش جدیدی که مبتنی بر نگاشت خصیصه از فضای عدد به فضای بافت ؛ روش دسته بندی چندگانه نتایج بسیار امیدوار کننده ی به ما داد برای بهینه سازی عمل دسته بندها از الگوریتم ژنتیک استفاده کردیم ونتایج باز هم بهتر شده است 95%.واز کلاسبندی تکی که بهترین جواب آن 85% بوده است خیلی بهتراست.