A classification apparatus, notably for uses in recognition or characterisation of odors, comprises a plurality of sensors for generating raw data representing a plurality of instances of a plurality of different classes; and a processing unit for processing said raw data so as to determine an identification model. The identification model comprises definitions of the classes and a particular allocation rule selected dependent upon the application. The class definitions are established by analysing data obtained during a learning phase, the analysis being performed according to a particular information extraction method. During a later identification phase, the identification model enables an instance of unknown class to be allocated to an appropriate class amongst those defined during the learning phase. The information extraction method can be selected dependent upon the application. Preferably, a percentage of the data obtained during the learning phase is used to establish a plurality of candidate identification models, and the identification model which is selected for use is the one which gives the highest number of correct classifications when use to classify the other data obtained during the learning phase.

Un appareillage de classification, notamment pour des usages dans l'identification ou la caractérisation des odeurs, comporte une pluralité des sondes pour produire des données brutes représentant une pluralité d'exemples d'une pluralité de différentes classes ; et une unité de traitement pour lesdites données brutes de traitement afin de déterminer un modèle d'identification. Le modèle d'identification comporte des définitions des classes et d'une personne à charge choisie par règle particulière d'attribution sur l'application. Les définitions de classe sont établies en analysant des données obtenues pendant une phase d'étude, l'analyse étant exécutée selon une méthode particulière d'extraction de l'information. Pendant une phase postérieure d'identification, le modèle d'identification permet à un exemple de classe inconnue d'être assigné à une classe appropriée parmi ceux définie pendant la phase d'étude. La méthode d'extraction de l'information peut dépendre choisi de l'application. De préférence, un pourcentage des données obtenues pendant la phase d'étude est employé pour établir une pluralité de modèles d'identification de candidat, et le modèle d'identification qui est choisi pour l'usage est celui qui donne le nombre le plus élevé de classifications correctes quand utilisation de classifier les autres données obtenues pendant la phase d'étude.