针对Bernsen算法的缺陷,提出一种名为BM(Bernsen and Mean)的新算法,该算法对于细节较多、形状多样的图像有着良好的处理效果,且能够克服不均匀光照的影响。通过调节算法中的参数就能够满足不同场合和不同类图像的需要。用其得到的目标图形完整真实,且噪声点很少。利用细节信息丰富的车标图片对BM算法进行测试,结果表明该算法整体效果优于其他算法。
多粒度是近年来粗糙集领域研究的一个热点方向,而粒度约简是其中的一个核心问题。为了使得多粒度粗糙集能够用于处理连续型数据,引入模糊概念,构建了基于模糊等价关系的悲观多粒度模糊粗糙集模型,并进一步给出了粒度重要度的度量方法,设计一种基于启发式的粒度约简算法。以UCI(University of California Irvine)中3组数据集进行分析,实验结果表明所设计的算法能够在保持分类准确率不发生较大变化的情况下约去冗余的粒结构。