با توجه به پیشرفت روزافزون فنّاوری های جمع آوری، ذخیره سازی و انتقال داده در صنایع مختلف ازجمله بانکداری، سلامت، امنیت، بورس و غیره، پایگاه های داده ای عظیمی در دسترس صنایع مختلف قرار گرفته است. استخراج دانش مفید از این حجم داده ای خام در جهت پیشبرد اهداف صنایع، به عنوان فاکتور کلیدی در فرایند تصمیم گیری در سامانه های تصمیم یار، یک امر بسیار مهم و ارزشمند محسوب می شود. وظیفه تشخیص و پیشبینی، یکی از حیاتی ترین وظایف در علم داده کاوی به شمار می رود. نفرین ابعادی، یک چالش مهم در استخراج دانش به شمار میرود که در صورت عدم مدیریت صحیح آن، عملکرد تشخیصی را به شدت تضعیف خواهد کرد. هدف از این تحقیق ارائه روشی است که بتواند به درستی مهمترین مشخصه های تاثیرگذار بر تشخیص صحیح را بیابد. بنابراین، روش های انتخاب ویژگی فیلتر به موجب کارآمدی محاسباتی در مواجه با ابعاد بسیار بالای ویژگی انتخاب شده و به منظور ارزیابی هرچه دقیق تر و غلبه بر مشکل عدم بکارگیری الگوریتم یادگیری در روش های فیلتر، مدل های دسته بند را به کار می گیرد. مسئله ی موجود، عدم بهینگی عملکرد روشه ای فیلتر بر روی مجموعه های داده ای مختلف می باشد. از این رو، مدل پیشنهادی این پژوهش، ارائه ی مدلی ترکیبی از روش یادگیری جمعی رای اکثریت به منظور غلبه بر عملکرد فردی نا مناسب فیلترها و مدل تصمیم گیری چندمعیاره تاپسیس به منظور رتبه بندی فیلترها و دسته بندها برحسب معیارهای متعدد، می باشد. عملکرد مدل جمعی پیشنهادی بر مجموعه های داده ای مختلف بهبود نتایج را از منظر توابع ارزیاب دقت، ماتریس آشفتگی و منحنی ROCنسبت به عملکرد فردی روش های فیلتر، نشان داده و فاکتورهای تنوع و پایداری را برآورده می سازد.
