物料分选是将物料按照固定的标准或一定的要求分类成不同类别等级的产品或者不同的产品，以增加其使用价值来满足消费、生产需要或便捷流通交易的价值增值过程，物料分选就是依据物料的分类特征将未分选物料归纳分类成相应的目标类。随着各种各样的物料分选测试技术和数据分类技术的完善，物料分选过程中的代价或成本的优化愈来愈成为物料分选研究的一个重要内容。　　论文首先回顾了物料分类特征的测试技术和相关的分类算法，物料分选的经济效益分析表明物料分选过程中的测试成本和误分类成本对物料分选的经济效益有直接和显著影响，在此基础上建立了物料分类优化问题的数学模型，指出了物料分选优化问题是在实现一定物料分选准确率基础上，综合考虑测试成本和误分类成本，进一步降低物料分选过程的费用，提高物料分选的经济效益。　　综合ID3、C4.5、EG2和C4.5CS算法的优缺点，提出了EC4.5CS代价敏感学习算法，并详细地设计了EC4.5CS算法中的增强型信息代价函数和相关参数的求解算法。最后，以苹果分选为例，对基于EC4.5CS的物料分选优化算法进行了数据实验和验证，其结果表明:基于EC4.5CS的物料分选总成本明显好于未考虑代价的普通ID3分类算法;最后通过重采样技术，进一步提高了苹果分选准确率和降低了苹果分选的代价。实验的最终结果表明:基于EC4.5CS算法和1倍重采样技术，最终的苹果分选总成本相比于ID3算法，成本降低幅度高达44.93％。　　物料分选是产品质量标准的关键性内容，亦是产品产后加工、商品化转变的一个核心环节;当前我国在各个行业物料分选的实施范围都不大，程度普遍较低，其主要原因在于物料的分选成本大于物料分选经济收益，通过本文的研究为物料分选过程的成本优化提供一种研究思路，这对扩大我国物料分选的应用范围有积极促进作用。