遥感图像提取的支持向量机代码

以下是一个简单的遥感图像分类的支持向量机（SVM）代码示例，使用Python中的scikit-learn库：

import numpy as np
from sklearn import svm
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score

# 导入数据
data = np.loadtxt('data.txt', delimiter=',')
X = data[:, :-1]
y = data[:, -1]

# 将数据分为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 创建SVM模型并训练
clf = svm.SVC(kernel='linear')
clf.fit(X_train, y_train)

# 预测测试集
y_pred = clf.predict(X_test)

# 计算准确度
acc = accuracy_score(y_test, y_pred)
print("Accuracy:", acc)

其中，`data.txt`是包含训练数据的文本文件，每一行都是一个样本，最后一列是标签。`train_test_split`函数用于将数据集随机分为训练集和测试集。`svm.SVC`是SVM模型的类，`kernel='linear'`表示使用线性核函数。`fit`方法用于训练模型，`predict`方法用于预测测试集，`accuracy_score`函数用于计算准确度。