融合无监督学习的差示扫描量热特征峰分析方法
打开文本图片集
摘 要： 为解决传统的差示扫描量热法（differential scanning calorimetry， DSC） 信号分析需要手动选点来构造基线，存在人为因素引入误差且操作繁琐等问题，将机器学习方法应用于DSC 信号分析中，提出一种融合无监督学习的DSC 自动基线构造及特征峰信号分析方法。首先使用改进的聚类算法将特征峰两侧的基线与特征峰信号初步分离；其次对特征峰两侧的基线信号结合迭代多项式拟合进行基线重构；最后将原始信号减去重构的基线信号得到净特征峰信号，进行热力学分析。（剩余1613字）