现有的应用于疾病检测的电子鼻系统，虽然对于疾病的检测有一定的效果，但是因为它是通用设备，并没有考虑到疾病检测的特殊性和针对性，因此准确率还有待提高。本课题提出一种传感器选择算法和传感器融合算法，充分利用现有电子鼻系统中能提供有价值信息的传感器，去除不相关的传感器，目的是选取现有采集系统中的对分类效果有提升并能达到最佳效果的传感器组合，并对所选出的最佳的传感器子集进行融合，最终通过融合后的结果可以快速准确地进行糖尿病检测。本课题的主要工作包括如下三部分：口腔气味信号的数据预处理及特征提取、传感器的选择算法、传感器的融合算法。主要研究内容包括：（1）使用现有气体采集设备进行样本的采集，建立样本库，用于后面的实验研究与分析；对采集到的样本进行整理分析，将其分为两类：糖尿病人样本和健康人样本。对样本进行数据预处理，提取样本中所包含的有效的特征；（2）传感器的选择算法。使用基于线性判别分析的传感器选择算法，根据所得到的各个传感器的权重，选出一个最优传感器组合，并对实验结果进行分析与总结；（3）传感器的融合算法。使用基于决策级的传感器融合的方法，使用逻辑回归方法进行分类，对分类结果使用传感器融合技术，并对最后的分类结果进行分析得出结论。基于传感器选择与融合的口腔气味检测技术，对呼吸诊断特别是糖尿病检测的应用和发展有一定的促进作用。本课题通过初步研究，证明了所提出算法的可行性，并且使原设备对糖尿病检测结果的准确率得到了提升。