در این پایان نامه، ابتدا روشی برای رتبه بندی ویژگی ها ارائه شده است. این روش که یک روش مبتنی بر فیلتر است از یک معیار بدون نظارت فازی برای بررسی شایستگی ویژگی ها استفاده می کند. این معیار، بهره اطلاعات فازی و واریانس ویژگی ها را با هم ترکیب می کند. در قسمت بعد، با استفاده از معیارهای شباهت فازی و خوشه بندی، یک روش انتخاب ویژگی جدید به صورت یک مسأله بهینه سازی معرفی شده است که از الگوریتم وراثتی برای حل مسأله، استفاده می کند . در ادامه با روش های مختلف گسسته سازی کارایی روش ارائه شده، بهبود داده شده و تأثیر الگوریتم های مختلف گسسته سازی بر کارایی، بررسی شده است. در قسمت آخر نیز، با استفاده از الگوریتم خوشه بندی تفاضلی و بهینه کردن شعاع های مربوط به هر ویژگی، سعی شده روش انتخاب ویژگی بهینه ای، از منظر دقت طبقه بندی ارائه شود.برای نشان دادن کارآمدی روش های پیشنهادی و مقایسه آنها با روش های دیگر، در این پایان نامه چندین مجموعه داده انتخاب شده و روش های مذکور بر روی آنها پیاده سازی شده اند. نتایج به دست آمده از این پیاده سازی ها، نشان دهنده ی کارایی مناسب روش های پیشنهاد شده از نظر تعداد ویژگی های انتخابی و دقت طبقه بندی می باشد. برای مثال روش اول با سه روش انتخاب ویژگی دیگر از جمله روش انتخاب ویژگی مبتنی بر همبستگی، روی یازده پایگاه داده محک، مقایسه شده و رتبه بهتری با استفاده از آزمون های ناپارامتری به دست آورده است. روش دوم و سوم هم با سه روش دیگر مقایسه شدند و روش سوم از نظر دقت طبقه بندی و روش دوم از نظر تعداد ویژگی های انتخابی، بهترین نتیجه را به دست آوردند.