Este documento discute el uso del aprendizaje no supervisado en la clasificación de dispersiones similares a partículas. El problema es relevante para varias aplicaciones, incluida la transmisión de virus y la contaminación atmosférica. El algoritmo Reduce Uncertainty and Increase Confidence (RUN-ICON) de aprendizaje no supervisado se aplica a la clasificación de la dispersión de partículas. El algoritmo clasifica las partículas con mayor confianza y menor incertidumbre que otros algoritmos. La eficiencia del algoritmo sigue siendo alta incluso cuando se agrega ruido al sistema. Aplicar el aprendizaje no supervisado junto con el algoritmo RUN-ICON proporciona una herramienta para estudiar la dinámica de las partículas y su impacto en la calidad del aire, la salud y el clima.