알렉사 플루오르 647 우리는 Botha et al.55 이 설명한 그룹화 기법의 효과를 입증하기 위해 그룹화되지 않은 데이터와 그룹화된 데이터 모두에 클러스터링 프로토콜을 적용했습니다. Alexa Fluor 647 데이터 세트는 빠른 광점멸 현상의 사례 연구로 선택되었으며, 강도 상태에서의 체류 시간은 일반적으로 시각적으로 또는 통계적 변화점 분석으로는 구분하기 어려울 정도로 짧았습니다( 그림 5A ). 이는 완충 용액에서 산소를 의도적으로 제거하지 않음으로써 얻어졌습니다. 또한, 샘플의 스핀 코팅으로 인해 쌍극자 방향이 무작위로 분포되었습니다. 그림 2 와 유사하게, 쌍극자 방향의 극각 의존성만을 고려하기 위해 원형 편광 여기광을 사용했습니다 . 결과적으로 나타나는 불규칙적인 강도 변화와 데이터 번짐 현상은 그림 5 에 나타나 있으며 , 왼쪽 열은 구분된 수준(그룹화되지 않은) 데이터를, 오른쪽 열은 그룹화된 수준 데이터를 나타냅니다. 데이터의 변화점 분석은 실제 강도 수준을 정확하게 구분하는 데 어려움을 보였습니다( 그림 5A , 녹색선). 그러나 Full SMS 의 내장 그룹화 기능을 사용하여 데이터를 그룹화한 후에는 이러한 어려움이 현저히 개선되었습니다 ( 그림 5B , 녹색선). 그룹화되지 않은 데이터의 수명-강도 분포( 그림 5C )는 그룹화된 데이터( 그림 5D ) 보다 훨씬 넓게 퍼져 있었고 , 뚜렷한 추세가 거의 없어 개별 집단을 구분하기 어려웠습니다. 이와 대조적으로, 편향되지 않은 그룹화( 그림 5D )는 통계적으로 유사하게 구분된 수준을 하나의 그룹화된 수준에 할당하여 데이터의 노이즈를 효과적으로 제거하고 더 쉽고 정확한 클러스터링을 가능하게 합니다. 또한, 그룹화를 통해 그룹화되지 않은 분포에서 수명이 짧은 데이터의 대부분이 제거되었는데, 이는 낮은 광자 예산을 다룰 때 발생하는 큰 피팅 불확실성을 강조합니다.