读入训练集设置标签，训练集为名字为Orange_01的文件夹，其中包含多张橘子图片，要从中提取三个特征向量，使用matlab实现

可以按照以下步骤实现：

1. 首先需要读取文件夹中的所有图片，可以使用`dir`函数获取文件夹中所有文件的信息，然后筛选出图片文件的路径。

   folder_name = 'Orange_01';
   file_list = dir(folder_name);
   img_list = {file_list(~[file_list.isdir]).name};
   img_paths = fullfile(folder_name, img_list);

2. 接下来需要提取特征向量。可以使用预训练好的卷积神经网络模型来提取图片的特征向量。这里以VGG-16为例，使用`vl_simplenn`函数加载模型，然后对每张图片进行特征提取。

   net = load('imagenet-vgg-verydeep-16.mat');
   feature_dim = 4096;
   features = zeros(length(img_paths), feature_dim);
   for i = 1:length(img_paths)
       img = imread(img_paths{i});
       img = imresize(img, net.meta.normalization.imageSize(1:2));
       img = single(img) - net.meta.normalization.averageImage;
       res = vl_simplenn(net, img);
       feature = squeeze(res(end-2).x);
       feature = feature(:);
       features(i, :) = feature;
   end

3. 最后需要设置标签。可以根据文件名中的信息来设置标签。这里以文件名中是否包含`good`和`bad`关键字来作为标签。

   labels = zeros(length(img_paths), 1);
   for i = 1:length(img_paths)
       if contains(img_list{i}, 'good')
           labels(i) = 1;
       elseif contains(img_list{i}, 'bad')
           labels(i) = -1;
       end
   end

完整代码如下：

folder_name = 'Orange_01';
file_list = dir(folder_name);
img_list = {file_list(~[file_list.isdir]).name};
img_paths = fullfile(folder_name, img_list);

net = load('imagenet-vgg-verydeep-16.mat');
feature_dim = 4096;
features = zeros(length(img_paths), feature_dim);
for i = 1:length(img_paths)
    img = imread(img_paths{i});
    img = imresize(img, net.meta.normalization.imageSize(1:2));
    img = single(img) - net.meta.normalization.averageImage;
    res = vl_simplenn(net, img);
    feature = squeeze(res(end-2).x);
    feature = feature(:);
    features(i, :) = feature;
end

labels = zeros(length(img_paths), 1);
for i = 1:length(img_paths)
    if contains(img_list{i}, 'good')
        labels(i) = 1;
    elseif contains(img_list{i}, 'bad')
        labels(i) = -1;
    end
end