智舌是本实验室自主研发的一种新型电子舌系统,由传感器阵列、信号激发与接收电路以及智能算法三个部分组成。前期电子舌的研究多集中在传感器阵列研究、新型信号采集系统创建等科学层面。鉴于电子舌的诸多优点,将其数据进一步优化具有一定的必要性,然而相关研究少之甚少。因此,本文在实验室研究基础上,从核主分量分析(Kernel PCA)、局部线性嵌入(LLE)、 Sammon映射三种数据模式识别以及对各个方法结果的表面分段拟合轮廓边界检测的图像模式识别四个方面,对智舌模式识别进行了系统研究。主要研究工作及结果如下：(1)核主分量分析(Kernel PCA)在智舌中的研究基于线性主成分分析(PCA)对电子舌数据的处理存在局限性,它并不适用于所有电子舌样品,因此,引入核方法的非线性变换技术——KPCA来替代。本实验以电子舌的3种难区分的不同样品,以KPCA作为模式识别方法,引入不同核函数(高斯核函数、多项式核函数与sigmoid核函数)进行模式分类。研究发现：在PCA方法不能区分样品的情况下,KPCA-Gauss能够将所有样品进行完全分类；KPCA-Poly只能区分苦味溶液样品；KPCA-Sigmoid能区分奶粉样品和苦味溶液样品。因此,从区分效果的DI值上比较,KPCA-Gauss更具模式分类效果,更适合应用于电子舌。(2)局部线性嵌入(LLE)在智舌中的研究与KPCA的出发点相同,利用电子舌数据局部线性的特点,用LLE方法代替PCA方法。本实验对电子舌3种同样难分类的样品,以LLE作为模式识别方法进行模式分类。研究发现：在PCA方法不能区分样品的情况下,LLE方法能够将所有样品进行完全分类。(3) Sammon映射在智舌中的研究与前两种非线性方法一致,Sammon映射保持电子舌数据的欧式距离不变,使电子舌高维数据低维可视化。本实验对电子舌3种同样难分类的样品,以Sammon映射作为模式识别方法进行模式分类。研究发现：在PCA方法不能区分样品的情况下,Sammon映射方法能够将所有样品进行完全分类。(4)轮廓边界检测在智舌中的研究轮廓边界检测作为图像模式识别的核心内容,针对电子舌现阶段定性确定样品轮廓边界的问题,提出一种基于表面拟合的分段拟合轮廓边界检测方法。本实验选择电子舌白酒标准模型进行条件优化,再应用于电子舌多样品模式分类。研究发现：优化条件为分段数为8,保留轮廓边界点个数为22,轮廓边界阈值中权重w取2/3。在电子舌多样品检测中,轮廓边界检测定量化,有了质的飞跃,使轮廓边界结构更优化。综上所述,虽三种非线性方法都比PCA方法适用于电子舌,但结合电子舌每种方法得到的DI值,Sammon映射结合表而分段拟合轮廓边界检测是智舌的最优模式识别方法。