木香是一种菊科类的草药,是治疗胃痛和腹泻等疾病的良药,并且伴随着浓浓的芳香。对于不同产地或不同采收时间的木香,由于培育时光照、水分、温度和养分等条件的不一样,它们的主治功能也会不同,这影响了木香的销售价格。不同种类的木香在外观上非常相似,没有经过特殊训练的一般消费者难易从外观分辨其种类。本文提出一种基于机器嗅觉的木香鉴别方法,通过对不同产地或不同采收时间的木香进行气味信息的分析和处理,该方法可以对木香的种类进行识别,为木香提供了一种新的检测方法。机器嗅觉可以通过计算机模拟生物嗅觉的工作方式,它由气敏传感器阵列和气味信号处理系统组成。机器嗅觉的传统方法主要通过线性投影的方式对气味信息进行处理,而新兴的流形学习则为机器嗅觉引入了新的解决思路,不仅能将高维的数据嵌入到低维空间中,而且更好地捕获原始数据的非线性特征。本文将流形学习方法t-SNE和线性判别分析进行结合,提出了一种新的机器嗅觉方法t-SNE+LDA,通过t-SNE将高维度的木香气味数据映射到低维空间,再利用基于线性判别分析的分类器进行分类和识别。t-SNE能有效缓解降维算法中常见的“拥挤问题”并获得更好的抗噪能力,能同时保留原始数据的局部和全局结构特征。为了从产地和采收时间两个角度对木香进行分析,多个不同产地和不同采收时间的木香被用作实验样品。实验通过电子鼻对这些样品进行气味数据的采集,并参考一般数据集的储存形式,对所采集的气味数据进行整理和处理,形成了木香气味信息的数据集。为了验证t-SNE+LDA对木香气味数据的分类识别效果,本文将SLLE、SLLE+LDA、t-SNE和t-SNE+LDA四种算法应用于实验中,并通过分类效果和鉴别正确率等角度,对比这些算法的效果。(1)通过比较SLLE+LDA与t-SNE+LDA的实验结果,发现t-SNE能为LDA提供更有利于分类的降维结果。(2)通过对比使用SLLE和SLLE+LDA,t-SNE和t-SNE+LDA的实验结果,可以发现在SLLE或者t-SNE降维后,LDA将数据再次投影到了更优的分类判别空间,获得了更好的判别效果。实验表明,t-SNE+LDA结合了两种算法的优点,具有较大类间离散度和较小类内离散度的分类结果,且识别的正确率更高,是一种鉴别木香气味数据的有效方法。