ترکیب طبقه بندها یک راهکار متداول در بهبود کارایی طبقه بندهای پایه در حل مسائل پیچیده ی طبقه بندی می باشد. سیستم های ترکیبی طبقه بندی عموما از دو جز اصلی یادگیری طبقه بندهای پایه و بخش ترکیب خروجی ، تشکیل شده اند. استفاده از راهکاری مناسب برای تعیین وزن خروجی طبقه بندهای پایه از جمله ی پارامترهای مهمی است که می تواند در بهبود کارایی سیستم ترکیبی طبقه بندی نقش موثری را ایفا نماید. از سویی دیگر فرآیند طبقه بندی ساختاری پروتئین ها با استفاده از خواص مستخرج از توالی به قصد شناسایی خواص و پیش بینی عملکرد آنها از جمله چالش های مهم حوزه ی بیوانفورماتیک می باشد. سیستم های معتبر طبقه بندی ساختاری موجود، بر مبنای یک نظام سلسه مراتبی کار می کنند و در هر طبقه برای اخذ تصمیم از معیار هایی غیر منعطف برای انتخاب مسیر پروتئین برای رفتن به طبقه ی زیرین استفاده می شود. امروزه رشد روز افزون تعداد توالی پروتئین های شناسایی شده از یک سو، هزینه ی بالا، زمانبر بودن و عدم وجود کارایی مناسب درسیستم های طبقه بندی دستی از سوی دیگر، نیاز به سیستم های خودکار طبقه بندی را پررنگ تر می نماید. از این رو، هدف این طرح ارایه ی مدلی برای وزن دهی پویای طبقه بندهای پایه ، جهت افزایش هرچه بیشتر کارایی مدلی مرکب از طبقه بندهای k نزدیک ترین همسایه، در مسئله ی طبقه بندی الگوی تاخوردگی پروتئین ها، درنظر گرفته شد. راهکار های وزن دهی پویای ارایه شده در این طرح ، منجر به افزایش میانگین بهبود عملکرد حداقل 4.23 و حداکثر 14.8 درصدی نسبت عملکرد مدل ترکیبی پایه ، بدون به کارگیری راهکار وزن دهی، به ازای تعداد یک تا شش نزدیک ترین همسایه گشت.