证据理论中用于求取Jousselme证据距离的matlab代码，自己编的哦！1.zip

共3个文件

m：3个

版权申诉

157 浏览量 2024-04-21 22:03:47 上传评论收藏 4KB ZIP 举报

证据理论，又称模糊集合理论或Dempster-Shafer框架，是由Glenn Shafer在1976年提出的，是一种处理不确定性和不完整性信息的数学理论。它扩展了传统的概率理论，允许处理部分相信的信息。在证据理论中，证据以证据集的形式表示，而不是以单一的概率值表示。Jousselme证据距离是衡量两个证据集之间相似度或差异性的一个关键指标，由Luc Josselme在2001年提出。 Jousselme证据距离的计算基于证据的信念分布，它可以量化两个证据集之间的信息冲突程度。在MATLAB中实现这一计算过程通常涉及以下几个步骤： 1. **定义证据集**：需要定义两个证据集，这些可以是模糊集、概率分布或其他形式的不确定性表示。在MATLAB中，这可以通过创建适当的矩阵或数据结构来完成。 2. **转换为基本概率分配（BPA）**：证据理论中的信念分布通常表示为基本概率分配，即分配给每个元素的信念值。如果初始信息是以其他形式给出的，需要将其转换成BPA。 3. **计算Jousselme距离**：Jousselme距离公式涉及计算每个元素的信念值与另一个证据集对应元素的信念值的乘积之和，然后取平方并求和。具体公式为：\( D(J_1, J_2) = \sqrt{\sum_{i=1}^{n} (\max(0, m_1(i)-m_2(i))^2} \)，其中\( m_1(i) \)和\( m_2(i) \)分别表示两个证据集在第i个元素上的BPA值，\( n \)是元素的总数。 4. **编写MATLAB代码**：实现这个计算过程需要编写MATLAB代码，包括定义证据集，进行必要的转换，然后应用Jousselme距离公式。在提供的压缩包中，应该包含了作者编写的MATLAB代码，用于执行上述步骤。 5. **测试和验证**：编写完成后，需要对代码进行测试，确保它能够正确地计算不同情况下的Jousselme距离。这通常涉及到创建不同的证据集，并检查计算结果是否符合预期。 6. **应用到实际问题**：计算得到的Jousselme距离可以用于比较和融合不同的证据，例如在决策支持系统、模式识别、信息融合等领域，以确定哪些证据更接近或冲突。通过这段MATLAB代码，研究者和工程师可以更好地理解和应用证据理论，特别是在需要评估证据冲突或相似性的情景下。由于是作者自编的代码，因此可能包含独特的实现方式或优化，学习和理解这段代码可以帮助深化对证据理论以及Jousselme距离的理解。

资源推荐

资源详情

资源评论

收起资源包目录

证据理论中用于求取Jousselme证据距离的matlab 代码，自己编的哦！1.zip （3个子文件）

证据理论中用于求取Jousselme证据距离的matlab 代码，自己编的哦！1

Jousselme Distance

EviDistance_MulEvi.m 4KB

EviDistance_Sub1.m 1KB

EviDistance_TwoEvi.m 633B

function DbpaEvi = EviDistance_MulEvi( E , Dnum ) % 求解多个证据之间的距离 % E为证据 % Dnum为辨识框架中元素的个数 % 例子 % 例子测试正确 % E(1).set = [0,0,1;0,1,0;1,0,0]; % E(1).m =[0.5,0.2,0.3]; % E(2).set = [0,0,1;0,1,0;1,0,0]; % E(2).m =[0,0.9,0.1]; % E(3).set = [0,0,1;0,1,0;1,0,0]; % E(3).m =[0.55,0.1,0.35]; % E(4).set = [0,0,1;0,1,0;1,0,0]; % E(4).m =[0.55,0.1,0.35]; % E(5).set = [0,0,1;0,1,0;1,0,0]; % E(5).m =[0.55,0.1,0.35]; % %----------- % Input_E(1).set = ['001';'010';'100']; % Input_E(1).m =[0.5,0.2,0.3];; % Input_E(2).set = ['001';'010';'100']; % Input_E(2).m =[0,0.9,0.1]; % Input_E(3).set = ['001';'010';'100']; % Input_E(3).m =[0.55,0.1,0.35]; % Input_E(4).set = ['001';'010';'100']; % Input_E(4).m =[0.55,0.1,0.35]; % Input_E(5).set = ['001';'010';'100']; % Input_E(5).m =[0.55,0.1,0.35]; % Dnum = 3; % 例子 % Dnum = 3; % Input_E(1).set = ['011';'100']; % Input_E(1).m =[0.8,0.2]; % Input_E(2).set = ['011';'100']; % Input_E(2).m =[0.7,0.3]; % 例子 % Input_E(1).set = ['00001';'00010';'00100';'01000';'10000']; % Input_E(1).m =[0.2,0.2,0.2,0.2,0.2]; % Input_E(2).set = ['00001';'00010';'00100';'01000';'10000']; % Input_E(2).m =[0.2,0.2,0.2,0.2,0.2]; % Dnum = 5; % 例子 % Input_E(1).set = ['001';'010';'100']; % Input_E(1).m =[0.98,0.01,0.01]; % Input_E(2).set = ['001';'010';'100']; % Input_E(2).m =[0.0,0.01,0.99]; % Dnum = 3; % 例子 % Input_E(1).set = ['011';'010';'100']; % Input_E(1).m =[0.8,0.1,0.1]; % Input_E(2).set = ['001';'010';'100']; % Input_E(2).m =[0.1,0.1,0.8]; % Dnum = 3; % 例子 % Input_E(1).set = ['001';'010';'100']; % Input_E(1).m =[0.5,0.2,0.3]; % Input_E(2).set = ['001';'010';'100']; % Input_E(2).m =[0.1,0.8,0.1]; % Input_E(3).set = ['001000000';'111000000']; % Input_E(3).m =[0.8,0.2]; % Input_E(4).set = ['000100000']; % Input_E(4).m =[1]; % Dnum =3; % 例子 % Dnum = 4; % Input_E(1).set = ['0001';'0011';'1101']; % Input_E(1).m =[0.1,0.6,0.3]; % Input_E(2).set = ['0011';'0001';'1111']; % Input_E(2).m = [0.4,0.2,0.4]; %-------------------------------------- % Input_E(1).set = ['001';'010';'100']; % Input_E(1).m = [0.51,0.16,0.33]; % Input_E(2).set = ['001';'010';'100']; % Input_E(2).m = [0,0.9,0.1]; % Input_E(3).set = ['011';'101']; % Input_E(3).m = [0.6,0.4]; % Input_E(4).set = ['011';'111']; % Input_E(4).m = [0.4,0.6]; % Dnum = 3; %---------- % Input_E(1).set = ['001';'010';'100']; % Input_E(1).m = [0.5,0.2,0.3]; % Input_E(2).set = ['001';'010';'100']; % Input_E(2).m = [0,0.9,0.1]; % Input_E(3).set =['001';'010';'100']; % Input_E(3).m = [0.55,0.1,0.35]; % Input_E(4).set = ['001';'010';'100']; % Input_E(4).m = [0.45,0.2,0.35]; % Input_E(5).set =['001';'010';'100']; % Input_E(5).m = [0.1,0.2,0.7]; % Input_E(6).set = ['001';'010';'100']; % Input_E(6).m = [0.7,0.2,0.1]; % Input_E(7).set = ['001';'010';'100']; % Input_E(7).m = [0.6,0.2,0.2]; % Input_E(8).set = ['001';'010';'100']; % Input_E(8).m = [0.2,0.5,0.3]; % Input_E(9).set = ['001';'010';'100']; % Input_E(9).m = [0.5, 0.4, 0.1] % Input_E(10).set = ['001';'010';'100']; % Input_E(10).m = [0.9, 0.05, 0.05] % Dnum = 3; % Input_E(1).set = ['001';'010';'100';'111']; % Input_E(1).m =[0.5,0.2,0.3,0]; % Input_E(2).set = ['001';'010';'100';'111']; % Input_E(2).m =[0,0.1,0.9,0]; % Input_E(3).set = ['001';'010';'100';'111']; % Input_E(3).m =[0.6,0.2,0.2,0]; % Input_E(4).set = ['001';'010';'100';'111']; % Input_E(4).m =[0.55,0.25,0.2,0]; % Input_E(5).set = ['001';'010';'100';'111']; % % Input_E(5).m =[0.6,0.25,0.15,0]; % Input_E(1).set =['00000011']; Input_E(1).m=[1]; Input_E(2).set =['00000111']; Input_E(2).m=[1]; Input_E(3).set =['00001111']; Input_E(3).m=[1]; Input_E(4).set =['00011111']; Input_E(4).m=[1]; Input_E(5).set =['00100000']; Input_E(5).m=[1]; Input_E(6).set =['01100000']; Input_E(6).m=[1]; Dnum = 8; % %-------------------------------------------------------------------- [ E , Dnum ] = InitializeIntput( Input_E , Dnum) [ mass0 , xt] = InitializeOutput( Dnum ) ; mass1 = mass0; % % 获取mass0 %----------------------------- % 求取多个证据体两两之间的距离 [ RE,CE ] = size( E ); %CE为证据的个数 for i = 1:CE for j = 1:CE DbpaEvi(i,j) = EviDistance_TwoEvi(E(i),E(j),Dnum); end end a=1;

评论收藏

内容反馈

版权申诉