امروزه با توجه به رشد روزافزون جمع آوری اطلاعات و قابلیت های موجود در ذخیره سازی، توجه بسیار زیادی به مسأله انتخاب، استخراج و کاهش ویژگی شده است. در سال-های اخیر الگوریتم سیستم ایمنی مصنوعی بر پایه انتخاب کلونال به دلیل خاصیت بهینه سازی و تکامل گرا بودن بسیار مورد توجه قرار گرفته است. در صورت انتخاب تابع مناسب برای محاسبه میل ترکیبی در الگوریتم سیستم ایمنی مصنوعی و انجام عمل فراجهش و کلونی سازی بر مبنای میل ترکیبی در الگوریتم انتخاب کلونال، این روش نتیجه مطلوبی را در زمینه کاهش ویژگی ارائه می دهد. در این تحقیق یک بردار ویژگی به ازای تک تک پیکسل های تصویر دریافت شده توسط موبایل ربات استخراج شده است و برای تشخیص پیکسل های جاده و غیرجاده از ماشین بردار پشتیبان استفاده شده است. سپس با الگوریتم سیستم ایمنی مصنوعی و ماشین بردار پشتیبان با کرنل rbf به عنوان تابع ارزیابی، عمل کاهش بردارهای ویژگی استخراج شده انجام شده است. جهت افزایش دقت کلاسه بند svm، در کنار عمل کاهش ویژگی به صورت همزمان پارامتر های svm و کرنل rbf نیز بهینه می شوند. با استفاده از الگوریتم انتخاب کلونال تطبیقی در الگوریتم سیستم ایمنی مصنوعی زمان اجرا کاهش یافته است در نهایت روش پیشنهادی روی مجموعه داده های uci و مجموعه داده استخراج شده از تصویر موبایل ربات تست شده است. در این تحقیق به میانگین دقت 26/94 به ازای میانگین 62/68 درصد کاهش ویژگی در مجموعه داده های uci و دقت 97/83 به ازای 90/64 درصد کاهش ویژگی در مجموعه داده استخراج شده از تصاویر موبایل ربات دست یافتیم.