دسته بندی یکی از موضوعاتی است که در زمینه های گوناگون دارای کاربرد های عملی فراوانی است . دسته بندی اشیا یا افراد می تواند به کمک مشاهده ی ویژگی ها و یا خصوصیات آن ها انجام پذیرد . یک روش آماری رایج در امر دسته بندی ، استفاده از مدل رگرسیون لجستیک است . مدل رگرسیون لجستیک با در نظر گرفتن یک ترکیب خطی از متغیر های توضیحی (یا همان ویژگی ها) ، احتمالات پسین عضویت در هر دسته را مدل سازی می نماید‎ .‎ %در عمل و در بسیاری از موارد این امکان وجود دارد که ترکیب های غیر خطی از متغیر های توضیحی نیز بر احتمالات پسین عضویت در دسته ها موثر باشند‎ .‎ در این پایان نامه ، با در نظر گرفتن نوعی تبدیل های غیر خطی از متغیر های توضیحی به نام توابع پایه شعاعی در مدل لجستیک ، به مسأله ی برآوردیابی پارامتر ها به روش حداکثر درستنمایی ، در مدل حاصل توجه می شود . روش برآوردیابی مورد استفاده در این پایان نامه ، یک روش ترکیبی به شمار می رود . این روش با به کار بردن ترکیبی از ابزار هایی همچون شبکه های عصبی مصنوعی ، الگوریتم های تکاملی و روش های برآورد یابی حداکثر درستنمایی به مسأله ی برآوردیابی در مدل لجستیک حاصل ، پاسخ می دهد . پس از برآورد همه ی پارامتر ها ، مدل لجستیک حاصل به کمک چند مجموعه داده با مدل ها و روش های دسته بندی دیگر مورد مقایسه قرار می گیرد . نتایج آزمایش ها ، نشان دهنده ی برتری این روش نسبت به روش های دیگر است .