线性分类基于图片特征提取进行图片分类

第一部分为特征提取部分，源码在程序代码文件夹的gist descriptor下的ImgGist.m，ImgGist2.m，ImgGist3.m，ImgGist4.m，ImgGist5.m，ImgGis6.m文件中，其中ImgGist4.m是对测试数据集的特征提取，另外5个是分别对5个训练集的数据提取，提取的原理是现将每10000副用3072维向量表示的数据集通过红绿蓝三色的叠加表示成1024维的向量，再将这1024维向量转换为32*32的图片，在调用LMgist进行特征提取，结果用512维的向量表示。提取的特征值分别保存在gist1.mat，gist2.mat，gist3.mat，gist4.mat，gist5.mat，gist6.mat之中（由于数据过大，这里就上传一个训练集提取特征值gist1.mat和一个数据集提取特征值gist4.mat）。第二部分为线性分类部分，主要用到的两个功能函数是model和[predicted_label, accuracy, prob_estimates]，首先是将提取的5个训练集的特征值转换成一个50000*512的矩阵Traindata[ 50000,512]，在提取各个训练数据集的标签组合成一个50000*1的矩阵datalabel[50000*1]，并将之训练得出模型model，再利用已得的model将测试集的特征值进行预测与已知的标签值进行比较的到准确率。