近年来，随着智能感官技术的发展，电子舌技术的应用愈加广泛，使其成为分析整体品质差异的方法。然而，电子舌的传统数据处理无法做到对感官属性进行表征定量分析，其中有数据提取、数据形式和数据算法等多重因素。本文拟通过在矩阵数据形式的基础上，建立智能感官表征算法，以达到电子舌可对感官属性的分析。电子舌数据的算法研究需应用对象的实际数据的投入以验证其有效性、准确性、合理性。本文选择大米作为应用对象，大米作为我国重要主食，人们对其食味品质的要求越来越高。我国现行的大米食味评价方法主要是感官评价，结果准确度容易受到个体差异、环境状况、主观疲累等因素的影响。显而易见，稳定、准确、快捷的大米食味评价方法是非常重要的，结合电子舌的智能感官评价理论是绝佳选择。本文采用电子舌技术，以大米为应用对象，基于交互感应信息矩阵，建立了交互感应法，将数据预处理、交互感应表征和建模预测完善成整套的智能感官表征算法进行研究。本文研究得出以下结论:　　(1)电子舌数据的预处理中，1Hz，10Hz，100Hz三个频率原始脉冲响应信号的校正系数分别确定为10％，7.5％，10％。特征值提取时，两种提取方法均为有效的信号特征值提取方法，即前3幅值或密度幅值为单个脉冲响应信号区间的有效特征值。原始信号数据在经过校正和特征值的提取后，所获得的6个电极数据能够作为独立解释电极数据，以作为交互感应法的输入数据。　　(2)交互感应法的研究中，交互感应法Ⅰ、交互感应法Ⅱ、交互感应法Ⅲ分别为电极感应、频率感应、电极与频率同时感应的表征算法。样品感应图可根据相似度等高范围的位置特点，将其分为四类，分别对应食味总评分的范围为:小于或等于72分，小于或等于77分，小于或等于82分，大于82分。交互感应法Ⅲ的属性感应图同时并细致地表现了交互感应法Ⅰ和交互感应法Ⅱ的表征状况。因此，选择交互感应法Ⅲ的属性感应图作为食味属性模型建立的基础。　　(3)食味属性模型的建立中，交互感应法的模型误差均在5．0％之内，相关系数基本大于0.9; BP神经网络的模型误差较大，且相关系数小于0.3。模型的预测能力中，交互感应法的预测误差基本上在5．0％之内，相关系数基本大于0.8，而神经网络的预测误差较大，且相关系数小于0.2。说明交互感应法建立的食味属性模型对大米食味属性评分的有效性和预测能力均高于BP神经网络模型，也侧面说明了数据预处理后的有效信号数据比PCA主成分更能反映大米食味属性的特点。　　本文的算法研究为电子舌的发展研究提供了新方向，同时为大米食味评价提供了新方法。