句法方法，又称结构方法，或是语言学方法。这个方法的基本思想，是把一个模式描述为较为简单的子模式的组合，而这些子模式又可以描述为更加简单的子模式的组合，从而最终得到一个类似树形的结构描述。在这个结构描述中，处于底层的最简单的子模式则被称为“模式基元”。通常，句法方法要求所选的基元是能够对模式提供一个紧凑的反映其结构关系的描述，而且要易于用非句法方法来抽取。很显然，基元本身并不含有重要的结构信息。因此，模式是以一组基元和它们的组合关系来描述其结构关系的，被称为模式描述语句。这相当于在通用语言中，句子和短语的用词组合，也可以说是词用字符的组合。基元组合成模式的规则，由所谓的“语法”来决定。一旦基元被鉴别函数鉴别，识别过程就可以通过句法来进行分析，即分析给定的模式语句是否符合指定的语法，若满足某类语法，就被分入该类。
统计模式识别（statistic pattern recognition）方法的基本原理是，有着相似性的样本在模式空间中互相接近，并聚集形成“集团”。其分析方法是，根据模式所测得的特征向量Xi=(xi1，xi2，…，xid) T(i=1，2，…，N)，将一个给定的模式归入C个类ω1，ω2，…， ωc中，然后再根据模式之间的距离函数来判别样本的分类。其中，T为转置，N是样本点数，d则是样本特征数。统计模式识别主要使用的方法有五个，分别为判别函数法、近邻分类法、非线性映射法、特征分析法、及因子分析法。在统计模式识别中，从理论上解决了最优分类器设计问题的是贝叶斯决策规则，但它的实施却须要首先解决相对而言更加困难的概率密度估计问题。在这之中，BP神经网络直接从观测数据（训练样本）学习则是更为简便有效的方法，因而获得了较为广泛的应用。但这种技术是一种启发式技术，缺乏了指定工程实践的理论基础。
在本次课题研究的过程中，所采用的模式识别方法是决策理论方法和句法方法相结合的模式。
2.1.2    机器嗅觉
人类思索气的问题至少可以回溯到公元前4世纪。
亚里士多德认为，气是有气的物质发出——能够被我们感觉到——的辐射。比亚里士多德稍晚一些的另一位希腊学者，伊壁鸠鲁则在德谟克利特的原子论的基础上比较科学地解释了嗅觉：不同形状的原子让鼻子感觉到不同的道。事实上，人类对气的探索在一定程度上推进了人类的历史。
随着社会发展的需要与科学技术的飞速进步，人类对器官机理等的研究已经日趋成熟。诸如人的五感视觉、听觉、觉、触觉和嗅觉等感官功能的模仿己经广泛地被各国科学家所研究。人类对嗅觉的研究从最早的化学分析方法，发展到现在的仪器分析方法，经历了近百年的发展历史。于是，仿生嗅觉技术的物质识别能力愈来愈强，其识别率也在逐步提高。
在气体、气的化学成分的定性、定量分析的过程中，主要使用化学方法和仪器分析方法，这是很普通的现象。化学方法，是利用化学物质自身的化学性质来进行定性和定量的分析，这主要是基于人们对已有物质的化学性质的分析。这一类型的分析，通常可以进行小范围内的物质定性和微量物质的定量。但是，随着化学这门学科及其分支的进一步发展，大量新的化学物质被发现、被合成，传统的化学分析方法已经不再适合物质的识别与分析了。
仪器分析方法，从某种意义上来说是独立于化学方法的。它是建立在物理基础之上，更多的是建立在光波这一与物质微观层相关的研究和物质分离基础之上的。主要的仪器分析方法有高压液相色谱、气相色谱、原子吸收光谱、质谱、红外光谱、紫外光谱、分光光度、核磁共振等等。仪器分析方法中所使用物质识别的根据，不单单是物质的化学性质，还包括了物质在物理和化学这两方面共同表现出来的性质。这其中，由于使用了仪器分析检测方法，所以可以使得检测灵敏度得到提高、检测的下限也大大下降了。但是，此类设备结构复杂、操作繁琐，而且经常被对象进行预处理，从而导致了测试周期的加长，而且还存在着不能连续检测等缺点。另外，作为化学成分分析仪器，它们在用于气体成分分析时是卓有成效的，但若用于气的质量分析时效果却不佳，甚至没能成为助力。例如，酒的香气质量是多种芳香成分的综合反映，要完全地测出这些成分不仅非常复杂，而且还要花费相当多的时间与费用。在这之中，有些芳香成分的含量极低，想要测试出来是非常困难的。 基于KNN算法的机器嗅觉及白酒分类研究(5):http://www.youerw.com/jisuanji/lunwen_17244.html