1.一种优化模糊鉴别向量提取的电子鼻鉴别食醋品种方法，利用电子鼻采集不同品种的食醋样本，获得训练样本和测试样本，其特征是还具有以下步骤：(1)从电子鼻的传感器里随机选择其中的几个传感器，从训练样本中提取对应于这几个传感器所采集的数据作为新训练样本，计算出新训练样本类均值和新训练样本总均值；

(2)根据新训练样本类均值和新训练样本总均值计算出新训练样本的类间离散度矩阵和类内离散度矩阵以及计算出类间离散度矩阵的迹和类内离散度矩阵的迹：新训练样本的类间离散度矩阵 类内离散度矩阵类间离散度矩阵的迹 类内离散度矩阵的迹

为新训练样本类均值，为新训练样本总均值，c为

新训练样本的类别数，li为第i类的新训练样本数，xij为第i类的第j个新训练样本；

(3)根据类间离散度矩阵的迹和类内离散度矩阵的迹计算出最优值 将最优值J最大时所选择的传感器对应的新训练样本作为最优训练样本；

(4)提取最优训练样本的鉴别信息，获得最优鉴别向量集，Ψ＝[ψ1,ψ2,...,ψr]Τ，SfB为模糊类间离散度矩阵，SfT为模糊总体离散度矩阵，T为矩阵转置，ψr+1和β分别为所求特征向量和所对应的特征值，I为单位矩阵，ψ1,ψ2,...,ψr为一组最优鉴别向量集；

对最优鉴别向量集进行线性转换，得到投影样本集，对投影样本集进行分类，完成食醋品种的鉴别。

2.根据权利要求1所述优化模糊鉴别向量提取的电子鼻鉴别食醋品种方法，其特征是：步骤(4)中，先对最优训练样本标准归一化处理，再通过主成分分析处理得到前6个特征值，分别计算最优训练样本的模糊隶属度的值、类中心的值、模糊类间离散度矩阵和模糊总体离散度矩阵：最后求出特征值和特征向量以及最大特征值和与之相对应的特征向量，将与最大特征值相对应的特征向量作为最优鉴别向量集的第一个向量，得到最优鉴别向量集。

3.根据权利要求2所述优化模糊鉴别向量提取的电子鼻鉴别食醋品种方法，其特征是：Τ Τ

步骤(4)中，根据式Y＝[ψ1,ψ2,...,ψp] X进行线性转换，[ψ1,ψ2,...,ψp] 是最优鉴别向量集的转置矩阵，X为测试样本集，Y为测试样本集投影到最优鉴别向量集上得到的投影样本集。