Este documento presenta un sistema de combinación de modelos multi-sensor con votación específica por clase para el monitoreo de la actividad física, que combina múltiples clasificadores obtenidos al fusionar datos de sensores de diferentes nodos en nuevos marcos de datos para mejorar la diversidad de las entradas del modelo. Se han analizado datos obtenidos de un sistema de medición inalámbrico integrado multi-sensor (WIMS) que consiste en dos acelerómetros y un sensor de ventilación para identificar 10 tipos diferentes de actividad de diversas intensidades realizadas por 110 participantes voluntarios. Se observa que cada clasificador muestra un mejor rendimiento en algunas clases de actividad específicas. A través de la votación mayoritaria ponderada específica por clase, la precisión de reconocimiento de 10 tipos de actividad física ha mejorado del 86% al 92% en comparación con el enfoque sin combinación. Además, el método de combinación ha demostrado ser efectivo para reducir la variabilidad entre sujetos (desviación estándar de las precisiones de reconocimiento entre sujetos) en el reconocimiento de actividades y tiene un mejor rendimiento en el monitoreo de actividades físicas de diversas intensidades que los clasificadores homogéneos tradicionales.