복구는 중간 정도의 상태 중첩(APGO < 0.2)에서 견고하지만, 중첩이 심한 경우(APGO > 0.4)에는 개별 상태가 통계적으로 분리 불가능해져 프로토콜이 더 적고 넓은 클러스터를 선택하게 됩니다. 고정된 너비에서 상대적 점유율을 변화시켜도 클러스터링에 미치는 영향은 미미합니다. 다만, 극심한 불균형으로 인해 확률이 낮은 상태에 가중치가 부여되는 경우에는 이러한 낮은 확률의 상태가 병합되는 반면, 잘 정의된 상태는 정확하게 복구됩니다. 이러한 결과는 분포 너비와 기하학적 중첩이 클러스터링 효율의 주요 결정 요인이며, 점유율 효과는 극단적인 경우에만 관련이 있음을 보여줍니다. 다양한 깜빡임 동역학을 포함한 모든 시뮬레이션 유형에서 클러스터링 결과는 체류 시간 분포에 거의 영향을 받지 않으며, 이는 다양한 단일 분자 데이터 세트에 대한 프로토콜의 견고성을 강조합니다. 실제 정답을 얻을 수 없는 실험 데이터 세트에서는 클러스터 선택이 통계적으로 타당한 기준에 기반해야 합니다. 예상되는 클러스터 밀집도와 적절한 데이터 커버리지를 보이는 솔루션은 다른 분할이 존재하더라도 가장 타당한 해석을 제공합니다. 이는 실험 단일 분자 데이터에 대한 적절한 목표가 통계적 최적성임을 강조합니다. Alexa Fluor 647의 경우, 그룹화되지 않은 데이터에서 세 개의 클러스터가 식별되었지만 그룹화 후에는 두 개의 클러스터로 줄어들어 그룹화가 노이즈 제거를 개선하고 노이즈가 많거나 희소하게 분포된 상태의 단편화를 억제함을 보여줍니다. QD605의 경우, 시뮬레이션과 실험 데이터 모두에서 두 개의 클러스터가 일관되게 복구되어 물리적으로 의미 있는 하위 집단의 안정적인 검출을 확인했습니다.