随着对高品质生活的追求,人们对于红枣的需求大大增加。但是目前为止,中国的红枣鉴别市场并不是特别的完善,有时消费者花着高昂的价格,却并没有得到应有的红枣品质。因此实现红枣品种的快速、精准鉴别就显得尤为重要。近年来,近红外光谱技术由于自身的特点,经常被用来对不同的食品种类进行鉴别分类。但是,原始的近红外光谱存在着很多无法克服的缺点,比如高维,重叠等,这些问题会引发信息提取困难等技术问题。因此,本文主要研究方向是对采集的原始红枣近红外光谱进行特征提取,并主要针对样本类信息多样性问题,将模糊集理论与普通的特征提取算法相结合,提出改进特征提取算法应用于红枣品种鉴别。主要内容如下所示:在三种传统“硬”类线性提取算法,即改进线性判别分析（i LDA）、改进零空间线性判别分析（i NLDA）和快速伪逆线性判别分析（FPILDA）的基础上,提出三种“软”的特征提取方法,即模糊改进线性判别分析（Fi LDA）、模糊改进零空间线性判别分析（Fi NLDA）和模糊快速伪逆线性判别分析（FFPILDA）。这些改进的“软”的特征提取算法可以克服“硬”类特征提取方法对描述样本类信息多样性方面的欠缺,进而对收集的红枣样品进行更加准确的分类。整个实验过程主要包括:首先使用便携式近红外光谱仪（型号:NIR-M-R2）收集来自不同产地的红枣样品的原始近红外光谱。同时由于经过光谱仪采集的原始红枣近红外光谱数据不仅含有实验所需的红枣样本特征信息,而且还掺杂了不必要的信息和噪声。因此,有必要对红枣原始光谱进行预处理,以达到提高模型稳定性的目的;其次运用上述提出的“软”类鉴别信息提取算法:Fi LDA,Fi NLDA和FFPILDA对预处理后的光谱信息进行鉴别信息的提取;最后使用不同的分类器对来自不同产地的红枣品种进行鉴别分类。从实验结果和分类准确率可以看出,与传统“硬”类线性提取算法相比,本文提出的三种“软”类鉴别信息提取算法能够更准确地对来自不同产地的红枣进行溯源,即近红外光谱模型的分类准确率有着很明显的提高,基本上达到了95%左右。这些结果表明,采用“软”类鉴别信息提取算法:Fi LDA,Fi NLDA和FFPILDA结合近红外光谱技术建立红枣品种的分类模型,可以有效地描述样本类信息多样性问题,并且能够实现红枣品种的快速、无损、有效识别。