در این رساله روشهای جدید ی برای ساخت سیستمهایی با چند طبقه بند ارائه شده است. برای ساخت چنین سیستمهایی روشهایی برای مدلسازی رفتار طبقه بندهای پایه معرفی گردیده اند تا ضمن توجه به گوناگونی این طبقه بندها، با افزایش میزان گوناگونی کارایی سیستم مبتنی برچند طبقه بند تا حد امکان افزایش یابد. وجود گستردگی درکاربردهای طبقه بندی از یک سو و تنوع داده ها از سوی دیگر باعث می شود نتوان از یک طبقه بند جامع با کارایی بالا برای محدوده ای وسیع از کاربردها استفاده نمود. بنابراین ضرورت بکارگیری سیستمهایی با چند طبقه بند به چند دلیل احساس می شود از جمله استفاده از طبقه بندهای ساده بجای یک طبقه بند پیچیده، پوشش دهی بهتر فضای ورودی، افزایش قابلیت اطمینان تصمیم گیری، و کاهش ریسک انتخاب طبقه بند نادرست. در تحقیقات انجام شده در این رساله برای ساخت سیستمی با چند طبقه بند سه گام اساسی درنظر گرفته شده است. در گام اول مدل سازی رفتار طبقه بندهای پایه مورد توجه است. برای این منظور ابزارهایی معرفی می شوند که به شکل مناسبی مدل سازی رفتار طبقه بندها را انجام دهند. با توجه به اینکه طبقه بندهای پایه در این تحقیقات شبکه ی عصبی چند لایه هستند، به عنوان یکی از ابزارها ی مدل سازی، الگوی تصمیم چندلایه(edt) معرفی می گردد. این ابزار رفتار لایه های داخلی طبقه بندهای پایه را مدل سازی می نماید. ابزار دیگری که برای مدل سازی رفتار طبقه بندهای پایه معرفی گردیده، بر توصیف داده با بردار پشتیبان مبتنی است. این ابزار که الگوی تصمیم مبتنی بر بردار پشتیبان (svdt) نام دارد مدل رفتار طبقه بندها را با استفاده از ساخت svdd در خروجی طبقه بندهای پایه انجام می دهد. این ابزارها در مراحل بعدی ساخت سیستمی با چند طبقه بند استفاده می شوند. گام دوم در راه ایجاد سیستمی با چند طبقه بند توجه به گوناگونی طبقه بندهای پایه است. واضح است که از ترکیب چند طبقه بند مشابه نمی توان انتظار بهبود قابل توجه در کارایی را داشت. در نتیجه لازم است در فرایند ساخت چنین سیستمهایی تا حد امکان گوناگونی بین طبقه بندها افزایش یابد. از طرف دیگر تقابل آن با کارایی سیستم ایجاب می نماید تعادلی بین کارایی و گوناگونی ایجاد گردد. در نتیجه در گام دوم دو روش برای ایجاد گوناگونی معرفی می گردد. در روش اول گوناگونی با تغییر وزنهای طبقه بندهای پایه بر مبنای معیار گوناگونی تعریف شده با استفاده از confusion matrix ایجاد می گردد. روش دوم، از ابزار svdt و معیار گوناگونی تعریف شده بر مبنای آن استفاده می نماید که فاصله ی svdd های ساخته شده در خروجی طبقه بندهای پایه را ملاک قرار می دهد. در همه ی این روشها افزایش گوناگونی با اختصاص دادن هر طبقه بند به یکی از کلاسهای داده ی ورودی انجام می شود. در گام سوم ساخت سیستم چند طبقه بند با استفاده از ابزارها و روشهای ایجاد گوناگونی معرفی شده است. برای این منظور نیاز به روشهای ترکیبی است که با روشها و ابزارهای معرفی شده در گامهای اول و دوم سازگار باشند. در نتیجه روش ترکیب مبتنی بر svdd بر مبنای معیار گوناگونی تعریف شده با استفاده از آن ایجاد شده است. چند روش ترکیب دیگر نیز در این گام معرفی شده است. در ضمن معرفی روشها و ابزارهای لازم برای ساخت سیستمهایی با چند طبقه بند، روشهایی نیز برای نمایش کارایی آنها ارائه می گردد. همچنین از مجموعه داده های استانداردی نیز برای ارزیابی روشها استفاده شده است.