انتخاب بردار مشخصه مناسب برای حداکثر نمودن موفقیت یک ماشین دسته بندی کننده بسیار موثر است. در این مقاله با استفاده از ترکیب روشهای مختلف محاسبه تابع هسته، یک الگوریتم انتخاب مشخصه بهینه بدون نظارت پیشنهاد گردیده است. بردار مشخصه بدست آمده از الگوریتم پیشنهادی، صحت خروجی دستهبندی کننده شبکة عصبی پسانتشارخطا را حداکثر میگرداند. در این مقاله برای مطالعه موردی از دسته بندی استاندارد تصاویر فشردهشدة مبتنی بر کدگذاری تبدیلی و تصاویر فشردهنشده با استفاده از رشتهبیت آنها استفاده میگردد. استانداردهای مورد نظر برای دسته بندی، استانداردهای JPEG و JPEG2000 و تصاویر فشردهنشده با فرمت TIFF میباشند. با استفاده از بردار مشخصه بدست آمده از الگوریتم پیشنهادی، صحت دسته بندی کننده در حدود 98% میگردد.