基于卷积神经网络-长短期记忆神经网络-空间注意力机制CNN-LSTM-SAM-Attention多特征分类预测。多特征输入单输出的二分类及多分类模型。程序内注释详细，直接替换数据就可以用。程序

%% 清空环境变量
warning off;            % 关闭报警信息
close all;              % 关闭开启的图窗
clear;                  % 清空变量
clc;                    % 清空命令行

%% 读取数据
res = xlsread('数据集.xlsx');

%% 分析数据
num_class = length(unique(res(:, end)));  % 类别数（Excel最后一列放类别）
num_dim = size(res, 2) - 1;               % 特征维度
num_res = size(res, 1);                   % 样本数（每一行，是一个样本）
num_size = 0.7;                           % 训练集占数据集的比例
res = res(randperm(num_res), :);          % 打乱数据集（不打乱数据时，注释该行）
flag_conusion = 1;                        % 标志位为1，打开混淆矩阵（要求2018版本及以上）

%% 设置变量存储数据
P_train = []; P_test = [];
T_train = []; T_test = [];

%% 划分数据集
for i = 1 : num_class
    mid_res = res((res(:, end) == i), :);           % 循环取出不同类别的样本
    mid_size = size(mid_res, 1);                    % 得到不同类别样本个数
    mid_tiran = round(num_size * mid_size);         % 得到该类别的训练样本个数

    P_train = [P_train; mid_res(1: mid_tiran, 1: end - 1)];       % 训练集输入
    T_train = [T_train; mid_res(1: mid_tiran, end)];              % 训练集输出

    P_test  = [P_test; mid_res(mid_tiran + 1: end, 1: end - 1)];  % 测试集输入
    T_test  = [T_test; mid_res(mid_tiran + 1: end, end)];         % 测试集输出
end

%% 数据转置
P_train = P_train'; P_test = P_test';
T_train = T_train'; T_test = T_test';

智能算法及其模型预测