بسیاری از روش های طبقه بندی ترکیبی به دلیل استفاده از چندین طبقه بند پایه، که بعضا شامل طبقه بند پایه کند هستند، در مواجهه با مجموعه داده های بزرگ پیچیدگی محاسباتی بالایی دارند. در این پژوهش روشی برای ترکیب نتایج طبقه بندها پیشنهاد شده است که با استفاده از خوشه بندی بخشی از مجموعه داده ی آموزش، علاوه بر کاهش پیچیدگی محاسباتی طبقه بندی ترکیبی دقت قابل قبولی را نیز ارائه دهد. در این روش ابتدا طبقه بندهای پایه بوسیله ی بخشی از مجموعه داده ورودی آموزش داده می شوند و سپس با استفاده از برچسب تعیین شده توسط طبقه بندهای پایه برای بخش دیگری از مجموعه داده ورودی، خوشه ها ایجاد می شوند. درنهایت نمونه های موجود در خوشه ها، خوشه ای که هر نمونه به آن تعلق دارد به همراه فاصله هر نمونه تا مرکز تمام خوشه ها به عنوان ورودی به یک شبکه عصبی مصنوعی داده می شوند و برچسب کلاس نهایی داده تست توسط این شبکه عصبی تعیین می شود. مقایسه کارایی روش پیشنهادی با چند روش طبقه بندی ترکیبی دیگر نشان می دهد که روش پیشنهادی زمان اجرای فاز تست کمتری نسبت به سایر روش ها دارد و همچنین در مجموع دقت قابل قبولی را ارائه داد.