svm图片分类matlab的完整代码

下面是一个完整的Matlab图片分类代码示例，该代码使用了SVM分类器和CIFAR-10数据集：

% 加载图像数据集
imds = imageDatastore('cifar10', 'IncludeSubfolders', true, 'LabelSource', 'foldernames');

% 将数据集分成训练集和测试集
[imdsTrain, imdsTest] = splitEachLabel(imds, 0.7, 'randomize');

% 特征提取
featureLayer = 'fc7';
XTrain = activations(net, imdsTrain, featureLayer, 'MiniBatchSize', 32, 'OutputAs', 'columns');
YTrain = imdsTrain.Labels;
XTest = activations(net, imdsTest, featureLayer, 'MiniBatchSize', 32, 'OutputAs', 'columns');
YTest = imdsTest.Labels;

% 训练SVM分类器
SVMModel = fitcecoc(XTrain', YTrain);

% 预测测试集数据
YPred = predict(SVMModel, XTest');

% 计算准确率
Accuracy = sum(YPred == YTest) / numel(YTest);
fprintf('测试集准确率: %0.2f%%\n', Accuracy * 100);

在这个示例中，我们首先加载了CIFAR-10数据集并将其分成训练集和测试集。然后，我们使用VGG16预训练模型提取训练集和测试集的特征，并将其作为输入训练SVM分类器。最后，我们使用训练好的分类器对测试集进行预测，并计算准确率。