介绍了目前常见的几种定标集样品挑选方法:含量梯度法、Duplex法和Kennard-Stone法,并提出了新的挑选方法:GN距离法。该方法以全局距离来界定定标集样品范围,以邻域距离来剔除相似样品,根据不同的全局和邻域距离组合挑选出定标集样品建模,根据计算所得最小交叉验证误差SECV来确定最合理的定标集样品。通过实例,讨论比较了上述4种方法优缺点。结果表明:GN距离法能够在保持原始样品集覆盖范围的基础上,适量剔除异常样品,GN距离法挑选出的定标集所建模型具有较低的模型复杂度、较高的相关系数和较好的模型预测能力。