Por multiples razones, actualmente los Sistemas Multiples de Clasificacion (SMC) se han consolidado como una linea bien establecida de estudio en reconocimiento de patrones. Entre otros aspectos, el exito de estos sistemas radica en la combinacion de varias decisiones individuales para clasificar un mismo patron de prueba, en lugar de utilizar un clasificador unico. No obstante, en su construccion, el SMC requiere satisfacer dos condiciones necesarias y fundamentales, la diversidad de las decisiones y el ratio de error de los componentes individuales. De igual modo, algunos factores que deterioran el rendimiento del SMC estan directamente relacionados con el conjunto de datos: patrones redundantes, atipicos o ruidosos, bases de datos con tamano excesivo y desbalance entre las distribuciones de las clases. En el estudio aqui presentado, se desarrollan diversas metodologias orientadas a extender el uso de los SMC al ser utilizados como parte de la solucion a estos problemas. Para la clasificacion de nuevos patrones, se acude a dos reglas de decision ampliamente estudiadas: la regla del vecino mas cercano y redes neuronales artificiales."