快速识别模型是指借助计算机手段,具有快速真伪鉴别效用的模型。由于檀香和沉香的珍稀与名贵,加之目前市场上流通的样品质量参差不齐,真假混杂,因此急需对其进行快捷而有效的鉴别。本研究利用核磁共振氢谱技术,分别对巴里黄檀,交趾黄檀,绒毛黄檀,奥氏黄檀,刺猬紫檀,大果紫檀和檀香紫檀等7种国标檀香,及胶漆树和染料紫檀等2种非国标檀香样本构建¹H-NMR特征图谱,利用机器学习算法构建快速识别模型,其中包括以简单计算样本间欧氏距离的k最近邻算法,以信息增益率为基础的决策树算法和以Logistic回归结合线性核函数为原理的支持向量机算法,筛选其中表现最佳的模型,并添加Ada Boost算法提高模型的准确率。并结合超高效液相色谱-质谱串联技术,对不同种类的檀香醇提液化学成分进行鉴别,总结其质谱裂解规律。结果显示,基于决策树法的檀香识别模型具有较好表现,且模型易解释,而Ada Boost决策树模型对训练集和测试集的正确率均达95%以上。此外,利用UPLC/Q-TOF-MS对9类檀香共鉴别出183个化合物,其中已知化合物为99个,未知化合物为84个。结合UPLC/Q-TOF-MS鉴定结果,本文还对9种檀香的¹H-NMR和^13C-NMR图谱进行信号归属,共归属得到14个化合物。基于上述结果可知,本研究中的檀香甲醇提取液中富含黄酮类成分。分析构建模型贡献率较大的变量可初步推断,构成檀香间差异较大的原因如下:第一,应是黄酮类化合物C3结构上H的变化,即黄酮母核中芳香基与C3结构的不同连接部位所致;第二,应是黄酮母核中芳香基连接的简单烷基的不同。本研究建立了基于¹H-NMR和决策树算法为基础的快速识别模型方法,利用沉香对该方法进行考察。选取4种35批次,共35个沉香及其混淆品样本建立沉香的快速识别模型,并将其与聚类分析,主成分分析和偏最小二乘判别分析等分类模型进行对比。结果显示,决策树模型对训练集和测试集的正确率分别达90%和85%以上。通过比对可知决策树模型的分类性能远远高于上述三类模型。分析构建模型贡献率较大的变量可初步推断,构成组间差异较大的一个原因应是2-（2-苯乙基）色酮类成分的含量高低,沉香组的2-（2-苯乙基）色酮类成分含量较高,而非沉香组的2-（2-苯乙基）色酮类成分含量较低。