La selección de patrones es un proceso importante en la calidad de los clasificadores supervisados. Sin embargo los clasificadores basados en patrones emergentes tienden a ser susceptibles, existen varios factores que pueden degradar la eficacia de la clasificación: el uso de gran cantidad de patrones o patrones con baja calidad, entre otros, a menudo afecta la eficacia del proceso. Nuestra investigación explora el campo de la selección de patrones emergentes usando un nuevo enfoque que comprueba la calidad del patrón antes del proceso de clasificación, con el objetivo de garantizar patrones más eficaces. Este trabajo recoge un estudio comparativo del desempeño individual y en conjunto, de una selección de medidas de estimación de calidad para patrones y define una nueva metodología para la selección de patrones emergentes, basándose en medidas de calidad individual del patrón. La presente investigación constituye el fruto de 5 años de estudios de la especialidad de Ingeniería Informática vinculada al Reconocimiento de Patrones, y puede ser utilizado como material de consulta para especialistas interesados en el campo de la Inteligencia Artificial.