Correlated electron diffraction and energy-dispersive X-ray for automated microstructure analysis
Correlated electron diffraction and energy-dispersive X-ray for automated microstructure analysis
复制标题
用于自动微观结构分析的相关电子衍射和能量色散 X 射线
DOI：
10.1016/j.commatsci.2023.112336
复制
发表时间：
2023
影响因子：
3.3
通讯作者：
Duran E
中科院分区：
文献类型：
--
作者：
Duran E
研究了相关能量色散X射线能谱(EDS)和电子衍射数据的融合对无监督机器学习(聚类)的影响。数据的组合使得能够识别第二相相干沉淀，这不能仅通过单独的能谱或衍射数据来确定。为了成功地组合这两种不同的数据类型，我们利用了一种数据融合方法，在这种方法中，两个数据集都被归一化，并使用稳健的标度器进行组合，然后进行方差均衡。实现了一种机器学习流水线，它通过主成分分析进行降维，然后进行模糊C-均值聚类，因为这允许来自微观结构重叠区域的信号在不同的聚类之间划分。该分区的用户控制用于确认嵌入的第二相区域的化学计量比的改变。
In this study the effect of merging correlated energy dispersive X-ray (EDS) spectra and electron diffraction data on unsupervised machine learning (clustering) is explored. The combination of data allows second phase coherent precipitates to be identified, that could not be determined from either the individual EDS or diffraction data alone. In order to successfully combine these two distinct data types we leveraged a data fusion method where both data sets were normalised and combined using a robust scaler followed by variance equalisation. A machine learning pipeline was implemented which performs dimensional reduction with PCA and followed by fuzzy C-means clustering, as this allows signals from overlapping regions of the microstructure to be partitioned between different clusters. User control of this partition is used to confirm a change in the stoichiometry of the embedded second phase regions.
登录
查看更多内容
扫描进动电子衍射数据中的纳米晶体分割。
影响因子：
2
作者：
Bergh T
通讯作者：
Bergh T
影响因子：
4.6
作者：
Lin R;Zhang R;Wang C;Yang XQ;Xin HL
通讯作者：
Xin HL
影响因子：
64.8
作者：
Lee, DD;Seung, HS
通讯作者：
Seung, HS
通过 4D 扫描进动电子衍射断层扫描和自动晶体取向映射，以 3D 方式重建珠光体钢尖端内的双相纳米级晶粒。
影响因子：
2.2
作者：
P. Harrison;Xuyang Zhou;Saurabh Mohan Das;P. Lhuissier;C. Liebscher;M. Herbig;W. Ludwig;E. Rauch
通讯作者：
E. Rauch
结合 EDS 和 EBSD 数据的聚类分析解决模糊相识别问题
影响因子：
2.8
作者：
C. Parish
通讯作者：
C. Parish