El cáncer de mama es una de las enfermedades más comunes entre las mujeres que afecta seriamente la salud y representa una amenaza para la vida. Actualmente, la mamografía es un criterio de suma importancia para diagnosticar el cáncer de mama. En este trabajo, se utiliza la imagen de detección de masas de cáncer de mama en mamografías con píxeles como conjunto de datos. Este trabajo investiga el rendimiento de varios enfoques en técnicas de clasificación. En general, la máquina de vectores de soporte (SVM) tiene un mejor rendimiento en términos de pérdida logarítmica y tasa de precisión de clasificación que otros modelos subyacentes. Por lo tanto, en este trabajo se han realizado extensiones adicionales (es decir, método de ensamble de múltiples modelos, agrupamiento Fuzzy c-means (FCM) y método de combinación de SVM, y modelo SVM basado en agrupamiento FCM) y comparaciones con SVM. La segmentación mediante la técnica de agrupamiento FCM permite que una pieza de datos pertenezca a dos o más grupos. Las partes adicionales se deben a la imagen segmentada para mejorar la forma del tumor. La simulación proporciona la precisión y el área bajo la curva ROC para mini-MIAS son y respectivamente, lo que confirma la efectividad del algoritmo propuesto (SVM basado en FCM). Este método aumenta la precisión de clasificación en el caso de un tumor maligno. La simulación se basa en -software.