揭开元素指纹:对多元纳米粒子数据的聚类方法进行比较研究
Mahdi Erfani1, Mohammed Baalousha2, Erfan Goharian1
1Department of Civil and Environmental Engineering, University of South Carolina, SC 29208, USA.
The Science of the total environment
|September 20, 2023
概括
这项研究比较了三种聚类方法,用于分析飞行质谱学 (SP-ICP-TOF-MS) 单粒子诱导合等离子时间的纳米粒子元素数据. 光谱聚类在识别具有相似元素组成的纳米粒子集群方面表现出卓越的性能.
科学领域:
- 分析化学 分析化学
- 材料科学 材料科学 材料科学
- 数据科学数据科学数据科学
背景情况:
- 飞行质谱学 (SP-ICP-TOF-MS) 的单颗粒子诱导合等离子体时间产生复杂的多元素纳米粒子组成数据.
- 从大型SP-ICP-TOF-MS数据集中提取有意义的信息是一个重大的分析挑战.
- 对元素指纹建立了层次聚类 (HC),但其他方法仍然未被评估.
研究的目的:
- 为了比较层次聚类 (HC),光谱聚类和t分布式静态邻居嵌入与基于密度的应用程序与噪声的空间聚类 (tSNE-DBSCAN) 的有效性,用于分析SP-ICP-TOF-MS数据.
- 根据提取的集群大小和集群内部元素组成相似性来评估集群性能.
- 通过使用SP-ICP-TOF-MS.确定最优的集群方法来进行强大的纳米粒子表征.
主要方法:
- 使用的SP-ICP-TOF-MS数据包括多元元素纳米粒子组成.
- 应用并比较了三个不同的集群算法:HC,光谱集群和SNE-DBSCAN.
- 通过分析集群大小,集群内的纳米粒子同质性和异常值灵敏度来评估集群结果.
主要成果:
- 层次聚类 (HC) 对异常值表现出敏感性,往往无法实现最佳的聚类解决方案.
- 频谱聚类和tSNE-DBSCAN确定了HC错过的集群,揭示了更复杂的数据结构.
- 光谱聚类通过持续生成更大,更同质的纳米粒子聚类,具有相似的元素配置文件,优于HC和SNE-DBSCAN.
结论:
- 虽然HC,光谱聚类和SNE-DBSCAN都可以从SP-ICP-TOF-MS数据中提取有价值的信息,但光谱聚类提供了卓越的性能.
- 光谱聚类能够捕获全球和本地数据结构,这使得它对纳米粒子元素指纹非常有效.
- 这些发现强调了光谱聚类作为分析复杂SP-ICP-TOF-MS数据集的强大和推方法.
