انتخاب ویژگی تکنیکی برای کاهش ابعاد مجموعه داده میباشد که با کاهش تعداد ویژگیها و حذفدادههای نامربوط،گمراه کننده و اضافی، منجر به دقت و صحت بازشناسی قابل قبولی میگردد . اینمرحله تاثیر بسیار مهمی در کارایی یک سیستم بازشناسایی دارد. مجموعه های سخت به عنوان یکروش انتخاب ویژگی با موفقیت زیادی استفاده شده است اما رویکردهای
مجموعه سخت حاضر، براییافتن کاهش مطلوب ناکافی میباشند،زیرا هیچ رویکرد اکتشافی نمیتواند بهینگی کامل را تضمین کند،از سوی دیگر،جستجوی کامل حتی برای مجموعه دادههای متوسط نیز امکان پذیر نیست. بنابراینرویکردهای تصادفی مکانیزم انتخاب ویژگی امیدوارکننده ای را فراهم میسازند. الگوریتمهای رقابتاستعماری ، بهینه ساز فاخته و کرم شب تاب روشهای جدیدی در جستجوی جمعیتی هستند که اولیالهام گرفته شده از تکامل اجتماعی،سیاسی،فرهنگی و دومی برگرفته از روش تولید مثل و زندگی نوعیپرنده به نام فاخته و سومی الگو برداری از درخشندگی کرم های شب تاب و رفتارهای آنها در طبیعتاست. این الگوریتمها برای ضرایب بدست آمده، از تکنیک استخراج ویژگی تبدیل کسینوسی گسستهبه کار رفته اند. طول بردار ویژگی و دقت ویژگیهای انتخاب شده، به عنوان معیاری برای ارزیابی عملکرد در نظر گرفته شده است. آزمایشات بر روی پایگاه دادهORLانجام شده و الگوریتمهای ارائه شده باروشهای مبتنی بر الگوریتم ژنتیک وازدحام انبوه ذرات مقایسه شده اند. نتایج بدست آمده نشاندهندهافزایش کارایی در انتخاب ویژگیها میباشد.