白酒基酒是由谷物在一定条件下发酵而来的原始酒液,其成分复杂。白酒基酒的等级评定主要是通过传统感官评定,由于主观判定的差异,品质划分难以统一,且不能直观地体现出白酒基酒的品质等级。因此,利用先进的检测技术与机器学习方法,建立有效的白酒基酒品质评价的客观标准,可以有效地指导白酒生产与后续勾兑,促进白酒产业发展与创新。为有效实现对白酒基酒品质的客观分类与评价,本文以核磁图谱数据为研究对象,采用数据处理与机器学习的方法,建立有效的白酒基酒云模型与评价机制,并开发白酒基酒的品质识别软件。本文具体工作如下。（1）对核磁指纹图谱数据的预处理方法进行研究。分析求导、平滑处理、多元散射校正、小波变换这四种降噪方法,通过对比试验发现小波变换降噪性能最优。（2）对比主成分分析（Principal component analysis,PCA）与核主成分分析（Kernel Principal component analysis,KPCA）两种降维方法的处理效果,在两种降维处理的基础上分别构建白酒基酒感官评定的云模型。利用两种云模型对核磁图谱数据做定量定性分析,对比分析两种云模型的结果,发现KPCA域的云模型中代表各等级信息的云团之间的位置距离比PCA域的距离更远,具有更好的分类特性。（3）利用支持向量机（Support vector machine,SVM）与卷积神经网络（Convolutional neural network,CNN）,分别建立PCA+SVM、PCA+CNN、KPCA+SVM、KPCA+CNN四种算法对白酒基酒等级分类模型。实验结果表明,KPCA+CNN模型对小波去噪处理后的白酒基酒核磁图谱的吸光度数据识别准确率最高。进而采用KPCA+CNN对白酒基酒核磁图谱的吸光度数据与百万分率数据联立做分类识别,可进一步提高识别的准确率。（4）构建了基于KPCA的白酒基酒的感官评判模型。将经KPCA降维后的核磁图谱数据与感官评价的分值结合做回归分析。分别建立了线性回归、二次方回归、多项式回归及指数回归四种回归模型。实验结果表明,多项式回归方程所对应的相关系数最高,与感官判定结果最为接近。（5）利用QT开发基于核磁图谱的白酒基酒品质分类识别系统软件。软件实现了对基于KPCA+CNN的白酒基酒核磁图谱数据的分类识别与基于KPCA的白酒基酒感官评判分值预测。测试结果表明,软件可实现对未知品质白酒基酒核磁图谱数据的分类,并预测其相应的酒感官评判分值。本文完成了对核磁指纹图谱的云模型构建,实现了定量数值到定性概念的转换。构建了有效的白酒基酒品质分类与识别模型,并结合感官分析做回归处理,预测白酒基酒感官评判分值。本文研究成果对指导白酒的生产及评价具有良好的参考价值。