液滴分析仪通过液滴生长过程的监控，获得能够反映该液体信息的液滴指纹图。液滴指纹图在一定测试条件下，具有确定性与唯一性，从而使得我们可以通过对液滴指纹图的分析来进行液体的识别。现有的基于液滴指纹图的识别方法在识别效率上和识别能力上都十分有限。本论文的主要目的是根据液体之间区分界限的模糊性，提出基于模糊技术的模糊模式识别方法，该方法将有助于提高液体的识别效率。　　 本论文详细介绍了模糊模式识别系统的框架，并针对液滴指纹图这一对象进行了较为详细的方案可行性研究与技术难点、重点的讨论，提出了将模糊技术应用于基于液滴指纹图的识别是可行的论点。　　 本论文实现了利用波形分析法和多项式回归拟合法对液滴指纹图进行特征提取的算法。在波形分析法中，详细讨论了“邻域比较法”和“最值检测法”的算法实现和优缺点。在多项式回归拟合法中，就如何确定多项式拟合阶数的关键技术问题进行研究与实验测定。　　 本论文提出了基于有监督学习的特征选择的方法，该特征选择算法采用DB index准则为评价标准，顺序前进算法和顺序后退算法为搜索策略；并且，以液滴指纹图为对象，展开了特征选择算法的实验，在实验中分别采用了顺序前进算法、顺序后退算法等，并通过实验结果来对这两种搜索算法进行了详细的分析。　　 本论文提出了对无监督学习情况下的特征选择算法的研究，提出了一种基于K-均值聚类的特征选择方法，其基本思想是首先要通过聚类算法来进行样本的分类，然后用DB index准则作为分类的有效性判断。　　 本文提出了基于模糊技术的液体模糊模式识别系统的实现方案。在特征提取与特征选择的基础上，尽一步完善了模糊模式识别系统。主要讨论了以下几个问题：1、通过对特征值分布规律的分析，提出了基于梯形函数的隶属度函数的建立方法；2、采用与分类器相结合的Wrapper模型来实现特征选择算法，该算法采用的评价标准为最大隶属度原则，搜索策略为顺序前进算法：3、基于最大隶属度原则的分类器设计。4、设计基于液滴指纹图的实验，通过实验验证该识别