糖尿病足溃疡作为典型的慢性伤口是糖尿病人致残、致死的主要原因，目前糖尿病足发病率已呈现高发态势，由此导致的慢性伤口感染已经成为人类健康的严重威胁，并给社会造成了严重的负担。相比传统的伤口检测方法，气味检测技术具有检测迅速、使用方便和无入侵性等优点，非常适合用于对伤口感染的日常筛查。伤口感染检测特征工程的研究对于伤口感染气味检测任务具有明确的现实意义，因此对特征提取和特征选择算法研究必不可少。
　　本文以双路气味传感系统对伤口感染进行检测为课题背景，在开展了可靠的大鼠伤口感染实验基础上，对基于气味检测的智能算法中的关键技术展开研究。该检测系统由并行工作的高场不对称离子迁移谱技术（FAIMS）检测单元和电子鼻（e-nose）检测单元构成。针对FAIMS单元的特征提取问题和电子鼻单元的传感器特征选择问题，本文分别对特征提取算法和特征选择算法进行了深入的研究，其主要研究内容如下。
　　①利用了FAIMS离子峰谱线特征提取方法进行伤口感染气味识别
　　当前的FAIMS特征提取方法大多沿用传统方法进行分析，如图像特征提取法、一维信号压缩方法，虽取得了一定的效果，但是缺乏针对FAIMS数据特点的算法研究，本文根据FAIMS数据本身的特点，对离子峰的特征提取方法开展研究。该方法首次系统地定义了有效离子峰，然后通过判断峰的类型和峰脚的位置找出了每个有效离子峰的形状和区域，最终提取了关于离子峰的5种轮廓特征。实验结果表明，离子峰谱线特征整体性能优越，具有其他类型特征所缺失的信息，可以与其他特征形成互补。离子峰谱线特征方法与图像特征结合一起进行特征选择后的性能明显优于仅使用图像特征进行选择后的性能，识别率差距都在10%~20%以上。
　　②提出了基于局部LDA与FGE的电子鼻特征选择方法
　　当前在电子鼻的特征选择算法分析研究上，研究者大多采用对单特征进行评价，然后选择若干得分高的特征作为最终特征集合，未考虑特征间的相互影响，容易导致选出的特征子集性能不稳定，LDA特征值评价法可对特征组进行评价，但针对小样本复杂数据时评价不准确。本文提出一种基于局部LDA（Linear discriminant analysis）的新特征评价方法，结合特征组进化算法FGE（Feature group evolution）最终实现最优特征子集的选择。该方法利用聚类思想寻找样本分布的多个簇，以每类的每个簇为基本单位进行LDA特征评价，再通过一系列加权求和最终得到对该特征的评价得分，结合FGE算法选择最终的最优特征集合。实验结果表明：局部LDA对特征的评价比LDA方法更加准确，LLDAFGE与LDAFGE方法比较,LLDAFGE比LDAFGE的最高精度平均高出4.12%,平均精度平均高出2.86%。与7种特性选择方法整体对比，所提出的方法的性能在所有结果中都位居前三，证明方法稳定有效。