در این مقاله یک رویکرد جدید طبقهبندی مبتنی بر نمایش خلوت و متد یادگیری عصبی – فازی پیشنهاد شده است، تا بتواند به مقابله با مسئله طبقهبندی تصویر تحت چارچوب یادگیری چند نمونهایMIL بپردازد. ابتدا هر نمونه از تصویر به صورت یک ترکیب خطی خلوت از تمامی بردارهای پایه دیکشنری ارائه میشود و سپس تصویر با یک بردار ویژگی ارائه شده که از طریق نمایشهای خلوت از تمامی نمونههای موجود در تصویر به دست میآید. سپس متد یادگیری عصبی – فازی استفاده میشود تا به حل مسئله طبقهبندی بپردازد. نتایج تجربی برروی مجموعه دادههای CORELبرتری متد پیشنهادی را از لحاظ دقت طبقتهبندی نسبت به دیگر متدها نشان میدهد