วิธีการคัดเลือกผลลัพธ์จากเซ็ตของผลลัพธ์ขนาดใหญ่ที่เสนอในงานวิจัยที่มีอยู่นั้น ส่วน ใหญ่มุ่งค้นหาเกณฑ์การคัดเลือกผลลัพธ์ที่พยายามถ่วงความสำคัญระหว่างความหลากหลาย และคุณภาพของผลลัพธ์ แต่การจะหาเกณฑ์การคัดเลือกเชิงความหลากหลายที่มีสหสัมพันธ์ที่ ชัดเจนกับคุณภาพของกลุ่มของผลลัพธ์นั้นไม่ง่าย นอกจากนี้การกำหนดระดับความความ หลากหลายที่เหมาะสมกับข้อมูลและความซับซ้อนของปัญหานั้นไม่มีกฎเกณฑ์ที่แน่นอน ใน งานวิจัยนี้จึงเสนอวิธีการเลือกแบบใหม่โดยเลือกใช้เกณฑ์การคัดเลือกเชิงคุณภาพแทน แนวคิด หลักของวิธีที่นำเสนอ คือ พยายามสร้างกลุ่มผลลัพธ์ใหม่ให้มีความถูกต้องสูงที่สุดโดยใช้เงื่อนไข คุณภาพและรักษาความหลากหลายของกลุ่มผลลัพธ์โดยใช้ประโยชน์จากกลุ่มผลลัพธ์ที่มี โครงสร้างแตกต่างกัน ในการนี้ได้เสนอวิธีการวัดคุณภาพของผลลัพธ์ในกลุ่มผลลัพธ์แบบใหม่ โดยอาศัยแนวคิดค่ากลางทั่วไป ซึ่งงานวิจัยนี้เป็นงานแรกที่ประยุกต์ใช้แนวคิดนี้เพื่อวัดคุณภาพ ของผลลัพธ์ในกลุ่มผลลัพธ์ วิธีการวัดคุณภาพแบบใหม่และวิธีการคัดเลือกผลลัพธ์จากเซ็ตของ ผลลัพธ์ขนาดใหญ่ที่นำเสนอได้รับการตรวจสอบประสิทธิโดยทำการทดลองบนฐานข้อมูลภาพ ขนาดใหญ่ ผลลการทดลองยืนยันประสิทธิภาพของทั้งสองวิธี นอกจากนี้ ในงานวิจัยยังนำเสนอ การประยุกต์ใช้วิธีการวัดคุณภาพแบบใหม่ในปัญหาการคัดเลือกผลลัพธ์แบบถ่วงน้ำหนักด้วย ยิ่งไปกว่านั้น งานวิจัยนี้ได้นำเสนอผลการศึกษาเชิงทดลองที่แสดงให้เห็นบทบาทของปัจจัย ความหลากหลายและปัจจัยคุณภาพที่มีผลต่อความสำเร็จของการรวมผลลัพธ์ ข้อสังเกตที่ได้ จากการศึกษานี้ยังเป็นพื้นฐานแนวคิดในการออกแบบวิธีการคัดเลือกผลลัพธ์ที่นำเสนอด้วย Looking for a meaningful diversity criterion that has a strong correlation with the ensemble quality is not trivial. Moreover, specifying a suitable level of diversity for a particular dataset is rather complicated and data-dependent. While most existing ensemble selection methods that are based on diversity criteria suffer from these difficulties, we proposed a new ensemble selection method based on quality criterion. The key idea is to maximize the accuracy of ensemble by using our new quality criterion and automatically retain a suitable level of diversity in the ensemble by taking advantage of using different ensemble structures. Our new quality criterion used for validating a quality of individual ensemble members is based on generalized median concept. To the best of our knowledge, our work is the first attempt to apply the generalized median in this context. Extensive experiments on a large image database have been conducted to evaluate the effectiveness of the proposed generalized median-based quality measure through our ensemble selection method. Experimental results demonstrate the merit of our use of generalized median concept and demonstrate that our quality-based ensemble selection method performs the best in all cases. Moreover, we also found the usefulness of our generalized median-based quality measure in application of weighted cluster ensemble. In addition, we also give an extensive empirical study on the diversity and the quality of ensemble that illustrated the influence of the two factors and identified their important roles in the ensemble combination. Observations gained from this study are also fundamental to the design of our ensemble selection method.