流式細胞儀中多參數流式數據分群傳統方法主要是利用專業軟件采取人工設門方式，圈出目標細胞進行分析，分析過程較為復雜，專業性較強。基于此，本文提出了一種基于 t 分布鄰域嵌入（t-SNE）算法對多參數流式數據進行分群處理。該算法將樣本數據在高維空間中的歐幾里德距離轉化為條件概率來表征相似性，使數據降到低維空間。本文通過使用流式細胞儀處理染色后的人體外周血細胞，并將處理后的數據導出作為實驗樣本數據，對其利用 t-SNE 算法進行降維，并與核主成分分析（KPCA）降維算法對比，分別使用 K 均值（K-means）算法對降維得到的主成分數據進行分類。結果表明，t-SNE 算法對呈非對稱且有拖尾分布的細胞類群具有很好的分群效果，分群準確率可達 92.55%，或可有助于多色多參數流式數據進行自動分析。
