Uno de los sistemas operativos más comúnmente utilizados para teléfonos inteligentes es Android. La naturaleza de código abierto del sistema operativo Android y la capacidad de incluir aplicaciones de Android de terceros de varios mercados han llevado a posibles amenazas a la privacidad del usuario. Los desarrolladores de malware utilizan métodos sofisticados que están diseñados intencionalmente para evadir los controles de seguridad actualmente utilizados en teléfonos inteligentes. Esto hace que la detección efectiva de aplicaciones de malware de Android sea un problema difícil y un tema importante. Este documento propone un nuevo conjunto de clasificadores basado en la integral difusa para mejorar la precisión de la clasificación de malware de Android. El enfoque propuesto utiliza la integral difusa de Choquet como función de agregación con el fin de combinar e integrar los resultados de clasificación de varios clasificadores como XGBoost, Random Forest, Decision Tree, AdaBoost y LightGBM. Además, el enfoque propuesto utiliza una medida difusa adaptativa para considerar la naturaleza dinámica de los datos en cada clasificador y la consistencia y coalescencia entre cada posible subconjunto de clasificadores. Esto permite que el enfoque propuesto agregue los resultados de clasificación de los múltiples clasificadores. Los resultados experimentales utilizando el conjunto de datos, que consta de 9476 aplicaciones de Android de buena calidad y 5560 aplicaciones de Android de malware, muestran que el enfoque propuesto para la clasificación de malware de Android basado en la técnica de integral difusa de Choquet supera a los clasificadores individuales y logra la mayor precisión del 95.08%.