MATLAB葡萄酒分类系统：SVM与神经网络混合多分类模型

资 源 简 介

本项目基于MATLAB开发，通过SVM与神经网络混合模型实现葡萄酒品种的多分类预测。系统包含数据预处理、特征工程、模型训练与评估模块，可对三类葡萄酒样本进行高精度分类识别，并提供可视化性能分析结果。

详 情 说 明

葡萄酒品种多分类预测系统

项目介绍

本项目基于支持向量机(SVM)与神经网络相结合的混合模型，实现了对三种葡萄酒品种的精确分类识别。系统通过分析葡萄酒样本的13种化学成分（包括酒精含量、苹果酸浓度、灰分含量等）构建分类模型，为葡萄酒品种鉴定提供可靠的自动化解决方案。

功能特性

• 数据预处理与特征工程：对原始葡萄酒化学成分数据进行标准化处理和特征优化
• 混合分类模型：结合SVM多分类算法（一对多策略）和BP神经网络模式识别技术
• 模型性能评估：提供准确率、精确率、召回率、F1-score等多维度评估指标
• 结果可视化分析：生成混淆矩阵和ROC曲线等直观的可视化图表
• 实时预测功能：支持新样本的实时分类预测和分类概率输出

使用方法

1. 准备输入数据：178×13维的葡萄酒化学成分数据矩阵和178×1维的样本标签数据
2. 运行主程序启动模型训练与评估流程
3. 查看输出的分类结果和模型性能报告
4. 使用训练好的模型对新葡萄酒样本进行品种预测

系统要求

• MATLAB R2018b或更高版本
• 统计学与机器学习工具箱
• 深度学习工具箱（用于神经网络实现）

文件说明

主程序文件整合了完整的模型实现流程，包括数据加载与预处理、特征工程处理、混合模型的构建与训练、模型性能的交叉验证评估、分类结果的可视化分析以及新样本预测功能的实现。该文件通过协调各功能模块，完成了从原始数据输入到最终分类预测结果输出的全流程处理。