一种基于杜鹃搜索算法的聚类分析方法

受初始类中心的影响K-Means算法聚类结果容易陷入局部最优.基于遗传算法(Genetic Algorithm,GA)和粒子群优化算法(particle swarm optimization algorithm,PSO)的改进K-Means一定程度上改善了基本K-Means的性能,然而GA和PSO本身也容易陷入局部最优解.针对上述问题,提出一种新的聚类方法—基于杜鹃搜索算法(Cuckoo search algorithm,CS)的K-Means聚类方法,并将此算法与现有的基于GA的K-Means和基于PSO的KMeans进行比较.实验结果表明:该方法能有效地改善基本K-Means算法易陷入局部极值的缺点,而且全局寻优能力优于基于GA的K-Means和基于PSO的K-Means,是一种性能鲁棒的聚类方法.

铒掺杂g-C3N4催化剂的合成及其红光催化降解活性的研究

石墨相氮化碳(g-C3N4)的研究已成为光催化领域热点。本文以三聚氰氨为前驱体,采用甲醇回流法制备Er掺杂的g-C3N4催化剂。利用扫描电镜(SEM)、X射线光电子能谱(XPS)、X射线衍射仪(XRD)、紫外-可见-近红外分光光度计(UV-Vis-NIR DRS)、傅里叶红外光谱仪(IR)、荧光光谱(PL)、物理吸附(N 2-physisorption)及共聚焦显微镜(CLSM)等手段对Er/g-C3N4催化剂进行系统表征。结果表明,稀土金属Er高分散于g-C3N4上,促使氮化碳表面氮空穴的产生。Er掺杂优化了氮化碳的能带结构,增强了其对可见光的吸收,提升电子-空穴对的分离效率,此外还发现Er/g-C3N4具有较强的上转换能力。在660 nm红光LED照射下,对罗丹明B的水溶液进行光催化降解,发现Er/g-C3N4的降解速率是g-C3N4的2.0倍,且发现超氧自由基为该体系中的主要活性物种。

基于杜鹃搜索和二维Fisher准则的图像分割方法

阈值法是图像分割最为常用的方法之一,然而基于一维直方图的阈值方法分割结果容易受噪声的影响.基于二维直方图的二维Fisher准则能够克服一维阈值法缺陷,具有较好的分割性能.但是二维Fisher准则阈值法在求取最优阈值时需要大量的计算,运算速度非常慢.常用的二维Fisher准则阈值优化计算方法如粒子群算法和遗传算法容易陷入局部最优.杜鹃搜索算法是新近提出的一种元启发优化算法,一些经典的函数优化问题测试结果表明杜鹃搜索算法全局寻优能力优于粒子群算法和遗传算法.在介绍杜鹃搜索算法的基础上,提出一种基于杜鹃搜索算法改进的二维Fisher准则阈值分割方法.实验结果证明,提出的方法降低了基本二维Fisher准则阈值法最优阈值的寻找时间,提高了图像分割的实时性,是一种性能良好的图像分割方法.