استفاده از یک سیستم بازشناسی حروف و ارقام در عمل، با چالشهایی مواجه است که مهمترین آنها ضرورت بالا بودن نرخ بازشناسی است. به همین دلیل، توسعهی روشهایی برای بهبود دقت در آنها ضروری است. یکی از مؤثرترین کارهایی که میتواندبه بهبود قابلتوجه دقت در یک سیستم بازشناسی حروف و ارقام بینجامد، استفاده از ویژگیهای مناسب برای بازنمایی است. در این مقاله چند روش انتخاب ویژگی در سیستم بازشناسی حروف و ارقام با استفاده از الگوریتم ژنتیک مورد مطالعه قرار گرفته استکه یکی از آنها روش مناسبتری برای بهبود عملکرد طبقهبندی معرفی کرده است. این روش با استفاده از یکی از ویژگیهای الگوریتم انتخاب مبتنی برGAبرای تشخیص زیرمجموعه از ویژگیهای است که در آن نمونههای متعلق به طبقات مختلف به خوبی تبعیض تفکیک شده است. ویژگیهای زیرمجموعه با استفاده از تابع ارزیابی تفکیک خطی فیشر مورد بررسی قرار گرفته- اند. چنین تابع ارزیابی با استفاده از ماتریس کوواریانس برای تخمین چگونگی توزیع احتمال از الگوهای در فضای نمایش در نظرگرفته شده است. علاوه بر این، بهمنظور تعادل اثرات روند یکنواخت از تابع ارزیابی، وزن دهی مناسب، اضافه شده است. آزمایشها با استفاده از چهار پایگاه دادههای استاندارد انجام شده و راهحلها با روشهای مختلف طبقهبندی تست شده است. نتایج مقایسه، اثربخشی این رویکرد را تأیید میکند