使用matlab计算两个证据间的Jousselme距离

人生第一篇博客，也是为了迎接自己的研究生学习新阶段，希望能沉下心做更多的积累。这是我毕业设计在做证据理论研究的时候遇到的问题，当时百度不出一个具体清晰的算法实现代码，然后自己摸索一下，也算有个比较清晰的处理。（主要是这个方向可能太冷门了…）

计算公式整体思路

假设在识别框架 Θ 下，存在两个证据 E₁ 和 E₂ 及其基本信任分配函数 m₁和 m₂，焦元分别是 A_i和 B_j，将 m₁ 和 m₂ 视为行向量，则证据 m₁和 m₂间的 Jousselme距离可以表示

重点在于D,其中 D 为2^NX2^N对称矩阵（N = |Θ|），矩阵中元素为

|•| 表示集合的基，利用焦元 A_i和 B_j交集和并集的比值来表示它们的相似程度，称为Jaccard 系数。
整体来说，Jousselme距离就是通过矩阵的计算来体现两个证据间的差异程度。

matlab实现计算

1. 计算集合的相似矩阵 （识别框架元素为n个）

function [ matrix ] = sim_D(n)
%   计算集合的相似矩阵（识别框架元素为n个）
    %初始化矩阵
    matrix=zeros(2^n,2^n);
    %得到识别框架的所有子集形成的矩阵
    s=ff2n(n);
    %根据集合相似度为矩阵赋值（对称矩阵）
    for i=2:2^n
        for j=i:2^n
            %计算两个子集之间的相似度
            a=[s(i,:);s(j,:)];
            D=1-pdist(a,'jaccard');
            matrix(i,j)=D;
            matrix(j,i)=D;
        end
    end
end

2. 计算两个证据的Jousselme距离 （A为2个证据数据矩阵,D为相似矩阵）

function [d] = Jousselme(A,D)
    s = A(1,:)- A(2,:);
    d2 = s*D*s.';
    d = sqrt(d2/2);
end