在一行与 1 和 0 矩阵之间进行异或的更快方法？

我有一行数据，比如说A = [0 1 1 1 0 0].

矩阵 B 包含许多行。对于一个虚拟的例子，我们假设它只是B = [1 1 1 0 1 0; 1 0 0 1 0 1].

我想找到 A 和 B 的行不同的列数，并使用该差异向量来查找 B 的哪一行与 A 最相似。因此，对于上面的示例，A 不同于B(1,:)在第 1、4、5 列中 = 3 总差异。 A 与 B(2,:) 的不同之处在于第 1、2、3、6 = 4 列，总共有 4 个差异，因此我想返回索引 1 以指示 A 与 B(1,:) 最相似。

事实上B有约 50,000 行，并且 A 和 B 都有大约800列。我当前查找最相似行的代码如下：

min(sum(xor(repmat(A,B_rows,1),B),2));

这可行，但速度非常慢。对于哪个功能花费了这么长时间以及改进方法有什么见解吗？

有 6 种或多或少相似的方法bsxfun，很难说哪个是最快的。

%example data
A = [0 1 1 1 0 0];
B = perms(A);     %720x6 matrix

计算相似度：

Z = sum(  bsxfun(@eq,  A,B) , 2);
Z = sum( ~bsxfun(@ne,  A,B) , 2);
Z = sum( ~bsxfun(@xor, A,B) , 2);

计算差异：

Z = sum( ~bsxfun(@eq,  A,B) , 2);
Z = sum(  bsxfun(@ne,  A,B) , 2);
Z = sum(  bsxfun(@xor, A,B) , 2);

Z是一个向量，包含相等/不相等元素的数量A对于每一行B.

每个 100 次试验的基准（与上面的顺序相同）：

t100 =

    0.0081
    0.0098
    0.0123
    0.0102
    0.0087
    0.0111