AZtecFeature提示和技巧-分类

正如我在我的AZtecFeature上的最后一篇博客，自动化特征分析是理解由颗粒/夹杂物/颗粒/特征组成的样品的强大工具。它可以用来了解大型种群的细节——提供不同成分相对丰度的信息，或者在许多其他成分中找到罕见的特征——也许是不应该存在的污染物或关键证据。

当然，我们只做特征分析，因为我们想要找到一些东西——回答一个问题。这意味着必须涉及到一些解释，以及我们如何至少开始解释过程作为我们分析的一部分。

那么，我们要回答什么样的问题呢?考虑:

我的增材制造粉末是否有任何污染物，如果有，它们是什么?(这样我就可以想办法阻止他们在那里)。
我的钢的夹杂物含量是什么-这些夹杂物的尺寸和类型是什么?
我从枪击嫌疑人身上采集的样本中是否含有枪击残留颗粒，如果有，有多少?
我从供应商那里收到的汽车部件是否足够干净?上面有什么粒子，它们有多大?

所有这些问题都可以通过分类方案来回答，或者至少可以通过分类方案中的信息来回答。

那么，什么是分类方案呢?从根本上说，它是一种将我们分析的特征放入一系列不同的组(称为类)的方法，这些组由规则定义。每个类可以包含多个与特征的组成和/或形态相关的规则。这些规则被称为标准，可以有几种类型——其中最常见的是与单个参数相关的规则。为了证明这一点，让我们想象一下，我们想要对由氧化铝组成的粒子进行分类₂O_3.，聚成一团。氧化铝中含有52.93wt%的Al和47.08wt%的O。因此，为了创建一个能够捕捉到这些特征的类别，我们可以建立两个标准——一个要求Al的含量在43wt%到63wt%之间，另一个要求O的含量在37wt%到57wt%之间。任何符合这两个标准的特征都可以归入氧化铝类。

在下面的图片中你可以看到一个例子…

我通常在我的标准中允许相当大的成分范围，以允许小浓度的杂质，这些杂质实际上没有任何意义，以及样品的自然可变性。这可能会让人怀疑，我们最终可能会在这个类别中加入太多的特征，但多个标准的组合可以抵消这种风险——我更多地是根据元素的组合进行分类，而不是具体的组成值。当然，这完全取决于你如何设定你的限制!

有时，Al和O都在我们指定的浓度范围内，但由第三种元素(例如Si)连接，这意味着我们将不再希望将这一特征放入氧化铝类别中。为了解决这个问题，我们可以添加第三个标准，一个排除规则，它指定如果Si高于某个水平，那么该特征不应该属于这个类别。我们现在扩展了我们的分类方案，如下所示。

您可以通过多种方式构建分类方案——在本例中，我手动选择了我想从哪些元素中创建规则并自己添加它们。我事先知道我的样品中含有氧化铝，我想确保我找到了它。另一种通常更强大的方法是根据已获得的数据构建分类。

在下面的图像中，我选择了一些颗粒(所选的颗粒是那些在图像中有粗大的白色轮廓的颗粒)，通过查看这些单个颗粒的数据表和细节，我已经确定它们属于同一类。在做出选择之后，我创建了一个新类。当创建该类时，根据所选择的粒子自动定义标准。只有所有粒子共有的元素(在本例中是Pb和S)才有标准，其范围由整个数据集中这两种元素的最大和最小浓度值定义。一旦创建了这个类，其余的特性就会被检查，看看它们是否属于同一个类——你可以看到很多都属于同一个类——用红色显示，但没有沉重的轮廓。这意味着我们可以很快看到我们的方案正在完成我们需要的工作，将相似的粒子分组在一起。