有效快捷的香精检测方法对于保障市场上食用香精的安全性具有重大意义。指纹图谱技术结合模式识别方法进行香精的质量评价日益广泛。有效谱图的筛选和识别算法的建立是模式识别的关键任务,对香精质量稳定性的分析和不同品牌香精的鉴别是根本目的。应用相似度分析的方法可以有效地筛选离群图谱,并对不同品牌不同批次的香精质量的稳定性进行分析,人工神经网络、K最近邻、决策树是三种性能优良的机器学习算法。本文基于相似度分析和人工神经网络、K最近邻、决策树对苹果香精的品牌分类问题进行了相关研究。本文首先在正离子模式下采集由国内三家著名食用香精香料公司提供的五种苹果香精样品的离子迁移谱指纹图谱,针对离子迁移谱仪器波动性引起的谱图差异,应用相似度分析的方法判别离群谱图,筛选有效谱图,然后分别利用人工神经网络、K最近邻、决策树算法建模,对不同种类的苹果香精进行鉴别,取得了良好的分类效果,识别率分别高达99.41%、98.82%、96.47%。为进一步模拟生产实际中对来自不同品牌和不同批次的香精的质量的分析,本文分别在正、负离子模式下采集来自于四家香精香料公司的四种苹果香精样品的离子迁移谱指纹图谱,应用数据融合技术将正、负离子模式的谱图融合,分别对正、负、融合模式下的苹果香精进行相似度分析和分类鉴别。实验结果表明,不同批次的香精样品在一定程度上存在质量波动,数据融合模式下能够反映香精质量更全面的信息,并提高不同品牌的香精产品的识别率。在所建立的人工神经网络、K最近邻、决策树三种分类模型下的识别率分别高达99.17%、100%、96.42%。本文利用离子迁移谱检测手段,结合相似度分析方法和人工神经网络、K最近邻、决策树分类算法建立了快速准确鉴别香精品牌类别的方法,旨在为苹果香精的质量检测提供有效的技术支持。