中药模式识别技术在中药品质以及新药开发等方面有着重要的研究意义,特征提取是中药模式识别研究领域的关键技术,但不同算法提取的特征对分类识别效果有较大影响,因此,选择合适的特征提取算法在分类识别研究中极为重要。近年来,三维荧光光谱技术由于灵敏、快速等原因得到了广泛应用,而中药中大部分分子具备产生荧光的能力,因而,将三维荧光光谱技术引入中药分类识别研究中,从中药功效、中药药性的角度对中药三维荧光光谱特征进行分类识别。首先,在中药功效及药性基本理论的基础上,分析中药三维荧光光谱特性。针对中药荧光光谱信号中的噪声问题,在研究中药荧光光谱去噪方法的基础上,提出总体平均经验模态分解算法(EEMD)对中药光谱噪声进行降噪处理,以中药人参为例进行降噪,并将该方法与小波分解与重构、经验模态分解算法(EMD)进行比较,验证EEMD算法降噪效果的优越性。其次,对不同浓度的每味中药溶液主荧光峰位置、主荧光峰强度进行二维聚类以及三维聚类可视化分析,以浓度为10mg/ml的24味中药溶液荧光光谱数据为例分析中药荧光光谱的主荧光峰位置和对应强度的聚类效果。针对中药功效,从定量的角度研究每味中药溶液的浓度与主荧光峰强度的拟合回归关系;从定性的角度提出应用局部线性嵌入算法(LLE)对降噪后的补虚类中药光谱数据进行特征提取,并采用随机森林(RF)进行分类识别,其正确率达到95%。为了验证LLE的优越性,将该算法与主成分分析算法(PCA)进行比较。最后,针对中药药性,采用LLE、PCA算法分别提取寒温类中药荧光光谱特征,应用RF分类器构建不同分类模型,对中药药性的光谱特征进行分类识别,LLE-RF、PCA-RF分类正确率分别为96.6%、89.7%。将RF分类器构建的模型与支持向量机分类器(SVM)构建的模型进行比较,结果显示,LLE-SVM、PCA-SVM分类正确率分别为82.1%、89.5%,进而表明LLE-RF模型分类效果优于其它分类模型。