将所给文件中戴眼镜和不戴眼镜的前100个（A001-A100，B001-B100）作为测试样本，选取适当的特征建立数学模型，判断该照片中的人物是否配带眼镜，并对剩余的样本进行自动识别，给出识别结果及识别正确率。基于MATLAB代码

本问题需要进行人脸识别和眼镜识别两个任务。基于MATLAB，可以使用深度学习模型进行人脸识别，使用传统图像处理方法和机器学习模型进行眼镜识别。下面是一个完整的代码示例，可以实现对样本的人脸识别和眼镜识别，并给出识别结果和正确率：

% 读取样本数据
data_dir = 'sample_data/';
img_files = dir([data_dir '*.jpg']);
n_samples = length(img_files);

% 加载深度学习模型
net = alexnet;

% 加载机器学习模型
load('svm_model.mat');

% 定义特征向量和标签向量
features = zeros(n_samples, 4096);
labels = zeros(n_samples, 1);

% 提取特征向量和标签向量
for i = 1:n_samples
    % 读取图像数据
    img = imread([data_dir img_files(i).name]);
    
    % 进行人脸检测和对齐
    faceDetector = vision.CascadeObjectDetector('FrontalFaceCART');
    bbox = step(faceDetector, img);
    if isempty(bbox)
        continue;
    end
    img_crop = imcrop(img, bbox);
    img_crop = imresize(img_crop, [227 227]);
    
    % 进行人脸识别
    img_crop = single(img_crop);
    img_crop = bsxfun(@minus, img_crop, net.meta.normalization.averageImage);
    output = net.forward({img_crop});
    features(i, :) = output{1}';
    
    % 进行眼镜识别
    gray = rgb2gray(img_crop);
    bw = imbinarize(gray, 0.5);
    bw = imcomplement(bw);
    se = strel('disk', 5);
    bw = imclose(bw, se);
    bw = imfill(bw, 'holes');
    mask = bwperim(bw);
    if sum(mask(:)) > 0
        labels(i) = 1;
    else
        labels(i) = -1;
    end
end

% 训练眼镜识别模型
svm_model = fitcsvm(features, labels);

% 对测试数据进行识别
test_dir = 'test_data/';
test_files = dir([test_dir '*.jpg']);
n_test = length(test_files);

n_correct = 0;
for i = 1:n_test
    % 读取图像数据
    img = imread([test_dir test_files(i).name]);
    
    % 进行人脸检测和对齐
    faceDetector = vision.CascadeObjectDetector('FrontalFaceCART');
    bbox = step(faceDetector, img);
    if isempty(bbox)
        continue;
    end
    img_crop = imcrop(img, bbox);
    img_crop = imresize(img_crop, [227 227]);
    
    % 进行人脸识别
    img_crop = single(img_crop);
    img_crop = bsxfun(@minus, img_crop, net.meta.normalization.averageImage);
    output = net.forward({img_crop});
    test_feature = output{1}';
    
    % 进行眼镜识别
    gray = rgb2gray(img_crop);
    bw = imbinarize(gray, 0.5);
    bw = imcomplement(bw);
    se = strel('disk', 5);
    bw = imclose(bw, se);
    bw = imfill(bw, 'holes');
    mask = bwperim(bw);
    if sum(mask(:)) > 0
        test_label = 1;
    else
        test_label = -1;
    end
    
    % 进行眼镜分类
    predict_label = predict(svm_model, test_feature);
    
    % 统计识别结果
    if test_label == predict_label
        n_correct = n_correct + 1;
        fprintf('%s: 眼镜识别正确，标签 %d\n', test_files(i).name, test_label);
    else
        fprintf('%s: 眼镜识别错误，标签 %d，预测 %d\n', test_files(i).name, test_label, predict_label);
    end
end

% 输出识别准确率
accuracy = n_correct / n_test;
fprintf('识别准确率为 %.2f%%\n', accuracy * 100);

其中，`sample_data`文件夹中包含了样本数据，其中前100个是戴眼镜的人物图像，后100个是不戴眼镜的人物图像；`test_data`文件夹中包含了测试数据，用于验证模型的识别准确率。使用以上代码可以对样本数据进行特征提取和标签生成，训练机器学习模型进行眼镜识别，并对测试数据进行识别，输出识别准确率和识别结果。