食醋质量影响着人们身体健康,市场上食醋品牌多样、种类繁多,存在以次充好的现象。对食醋进行检测的传统方法过程繁琐、代价昂贵、周期长。利用电子鼻相比较于传统仪器虽然检测更快,但是成品电子鼻价格高,不利于推广。所以,开发一款具有便捷、低价、快速检测食醋功能的电子鼻就很有应用价值。本文首先介绍了电子鼻技术的研究背景和发展现状,然后具体介绍自制电子鼻的组成并使用电子鼻进行数据采集实验。在学习了经典模式识别方法后,提出一种基于模糊Foley-Sammon变换(FFST)的方法对五种品牌食醋进行分类。最后利用支持向量机方法进行食醋分类作为对比实验。实现了利用电子鼻进行快速、便捷地对不同品牌食醋进行分类的功能。主要工作如下:(1)研究电子鼻的工作原理,设计电子鼻硬件系统和软件系统。硬件系统主要包括传感器阵列、电源模块、气体采样装置和数据采集系统。根据食醋的主要成分来选择对应的传感器;根据传感器的要求来设计电源模块;从实现复杂度考虑选择采用数据采集卡实现数据采集;根据实验过程要求设计气体采样装置。软件系统采用LabVIEW进行编写上位机程序,能够将传感器阵列产生的响应信号实时的传输到PC机显示并存储。(2)为了能够对五种食醋样本进行分类,提出了一种基于FFST的食醋分类方法。主要包括传感器优选、主成分分析(PCA)、模糊Foley-Sammon变换(FFST)和K-近邻(KNN)分类器。传感器优选提供一种“软件思维”方法达到去除贡献率低的传感器数据的目的。利用PCA进行降维,减少计算复杂度。KNN分类器的效果取决于特征的提取,本论文使用一种模糊化的方法(FFST)来提取特征,根据模糊隶属度和类中心等求解一组最优鉴别向量集,将测试样本投影到该向量集上获得新样本。实验表明:利用KNN分类器对新样本进行分类,识别效果显著。进一步测试了KNN分类器中K取值不同、数据分析之前是否进行归一化对分类结果的影响,结果表明在食醋分类前进行归一化很有必要且确定了最优K值。(3)为了对比效果,提出了一种基于支持向量机(SVM)的食醋分类方法。首先以支持向量机理论为基础,选用核函数与相关参数。接着介绍了如何利用软件工具包实现该算法。实验表明:利用支持向量机的方法进行食醋分类,准确率达到90.9%,效果显著。进一步测试了传感器数据优选和归一化对SVM模型性能的影响。结果证明:传感器数据优选和归一化在使用SVM模型对食醋分类实验中效果都有提升。本论文自制电子鼻能够方便、快速对五种不同品牌食醋进行分类,分类效果显著,也可以用于食醋质量分析。