Esta investigación propone un método para mejorar la capacidad de un algoritmo genético (GA) para elegir el mejor subconjunto de características al incorporar incertidumbre simétrica () para clasificar las características y eliminar las redundantes. El método propuesto es una combinación de incertidumbre simétrica y un algoritmo genético (-GA). En este estudio, la selección de características se implementa en cuatro condiciones diferentes de un motor de inducción: normal, rodamientos rotos, una barra de rotor rota y un cortocircuito en el devanado del estator. Luego, se utiliza la transformada de Hilbert-Huang (HHT) para analizar la señal de corriente en estas cuatro condiciones del motor. Después, la selección de características se utiliza para encontrar el mejor subconjunto de características para la tarea de clasificación. Se utilizó una máquina de vectores de soporte (SVM) para la clasificación de características. Se implementaron tres métodos de selección de características: , GA y -GA. Los resultados muestran que -GA obtuvo una mejor precisión con menos características seleccionadas. Además, para simular y analizar la situación operativa real de los motores de inducción, se agregaron tres magnitudes diferentes de ruido blanco con las siguientes relaciones señal-ruido (SNR): 40 dB, 30 dB y 20 dB. Finalmente, los resultados muestran que el método propuesto tiene una mejor capacidad de clasificación.