1.一种模糊离散度聚类的食醋分类方法，其特征在于，包括如下步骤：S1，用电子鼻系统采集不同品种的食醋样本以获取食醋电子鼻信号；

S2，采用主成分分析方法处理食醋电子鼻信号；

S3，用模糊线性判别分析提取食醋电子鼻信号训练样本的鉴别信息；所述步骤S3的实现方法包括如下步骤：S3.1.计算每类食醋电子鼻信号训练样本的均值，以每类均值作为聚类中心v1为第一类食醋样本的类中心值，v1的值和第一类食醋样本的均值x_mean1相等，即v1＝x_mean1，第二类到第c类，依次如下:v2＝x_mean2，……，vc＝x_meanc，c为类别数；

计算初始模糊隶属度：

uik为第k个样本xk隶属于第i类的模糊隶属度，k＝1,2,…,n1；c为类别数，vi、vj分别为第i类和第j类的类中心值，n1为训练样本数，m为权重指数，m∈(1,+∞)；

S3.2计算模糊类间离散度矩阵SfB和模糊类内离散度矩阵SfW：为训练样本的总均值，

S3.3根据下式计算特征值和特征向量：‑1

[SfW] SfBψ＝λψ

其中，ψ和λ分别代表上面方程所求的特征向量和对应特征值；

S3.4将第k个测试样本yk投影到S3.3的特征向量ψ上T

zk＝ψyk

zk是第k个测试样本yk经过模糊鉴别分析处理后得到的数据；

将第i类的类中心vi投影到S3.3的特征向量ψ上T

vi′＝ψvi；

S4，对食醋电子鼻信号测试样本集运行模糊C均值聚类；

S5，计算模糊离散度聚类的参数λ；

S6，采用模糊离散度聚类方法进行食醋电子鼻信号分类以实现食醋分类；

所述步骤S6的实现方法包括如下步骤：S6.1.初始化

(1)固定食醋样本类别数c，+∞＞c＞1，和测试样本数n，n＞c＞1，权重指数m，+∞＞m＞

1，最大迭代数rmax，初始迭代次数r＝1，误差上限的值ε，固定参数a，+∞＞a＞0、b，+∞＞b＞(0)

0；初始聚类中心νi 为S4中模糊C均值聚类得到的聚类中心；

2

(2)计算食醋样本的协方差σ

这里zk为S3.4中第k个测试样本，k＝1,2,3,…,n，为样本的均值，

(r)

S6.2.计算第r次迭代时的模糊隶属度值uik ，r＝1,2,…,rmax：uik是样本xk隶属于类别i的模糊隶属度值；

vi是第i类的类中心值，i

(r‑1)

＝1,2,3,…,c，νi 是第r－1次迭代计算的类中心vi的值；vj是第j类的类中心值，j＝1,2,(r‑1)

3,…,c，νj 是第r－1次迭代计算的类中心vj的值， 为样本均值；

(r)

S6.3.计算第r次迭代时的典型值tik ，r＝1,2,…,rmax：tik是样本zk隶属于类别i的典型值；

(r)

S6.4.计算第r次迭代时的第i类的类中心值νi(r)

νi 是第r次迭代计算的类中心vi的值；

S6.5.循环计数增加，即r＝r+1；

当 或者r＝rmax－1时，迭代结束，否则，r＝r+1，返回步骤S6.2继续迭代计算，迭代终止后可得到模糊隶属度值和典型值并根据模糊隶属度值分类食醋品种。

2.根据权利要求1所述的一种模糊离散度聚类的食醋分类方法，其特征在于，所述步骤S1的实现方法：在室温20℃、湿度40％的环境下，将电子鼻通电、预热10分钟后，向烧杯中倒入10ml食醋并将其放入箱体中，迅速盖上箱盖、计时；分别在60分钟、65分钟、70分钟的三个时间点利用labview编写的上位机程序进行电子鼻数据采集，取三次采集结果的平均值作为一个食醋样本数据；完成一次食醋样本采集后，打开箱盖使得各传感器恢复初始状态，然后重复采集食醋样本过程。

3.根据权利要求1所述的一种模糊离散度聚类的食醋分类方法，其特征在于，所述步骤S2中进行主成分分析之前还包括标准归一化处理。

4.根据权利要求1所述的一种模糊离散度聚类的食醋分类方法，其特征在于，所述步骤S4中模糊C均值聚类参数设置：类别数为5，测试样本数为155，权重指数为2，误差上限的值为0.00001，初始聚类中心为S3.4的vi′。

5.根据权利要求4所述的一种模糊离散度聚类的食醋分类方法，其特征在于，所述步骤S5的计算方法：uik,FCM是S4中模糊C均值聚类得到的样本zk隶属于类别i的模糊隶属度值；d(zk,vi,FCM)＝2

||zk‑vi,FCM|| ， zk为S3.4中第k个测试样本，k＝1,2,3,…,n，为样本的均值， n为样本数，c为类别数，n＞c＞1，+∞＞c＞1；vi,FCM是S4模糊C均值聚类得到的类别i的类中心值。

6.根据权利要求1所述的一种模糊离散度聚类的食醋分类方法，其特征在于，所述S6.1中初始化的具体参数设置为：固定食醋样本类别数c＝5，测试样本数n＝155，权重指数m＝2，最大迭代数rmax＝100，初始迭代次数r＝1，误差上限的值ε＝0.00001，固定参数a＝1.0、b＝1.0。