A.K均值丢弃被它识别为噪声的对象,而DBSCAN一般聚类所有对象
B.K均值使用簇的基本原型概念,而DBSCAN使用基于密度的概念
C.K均值很难处理非球形的簇和不同大小的簇,DBSCAN可以处理不同大小和不同形状的簇
D.K均值可以发现不是明显分离的簇,即便簇有重叠也可以发现,但DBSCAN会合并有重叠的簇
A.DBSCAN是一种著名的密度聚类算法
B.密度聚类从样本数量的角度来考察样本之间的可连接性
C.密度聚类基于不可连接样本不断扩展聚类簇易获得最终的聚类结果
D.密度直达关系通常满足对称性
A.在K均值聚类中,必须在运行算法前选定想要的簇的个数
B.在k均值聚类中,可以在运行算法后选定想要的簇的个数
C.在层次聚类中,可以在运行算法后选定想要的簇的个数
D.k均值聚类算法所需的计算量比层次聚类算法小得多
A.已经形成了K个聚类集合,或者每个待聚类样本分别归属唯一一个聚类集合
B.已经达到了迭代次数上限,或者前后两次迭代中聚类质心基本保持不变
C.已经形成了K个聚类集合,或者已经达到了迭代次数上限
D.已经达到了迭代次数上限,或者每个待聚类样本分别归属唯一一个聚类集合
A.Euclideanmethod
B.Manhattanmethod
C.Elbowmethod
D.Silhouettemethod
A.适合于大样本
B.类别数目的确定具有一定的主观性
C.事先不确定要分多少类,先把每一个对象作为一类,然后一层一层分类
D.要求研究者先指定需要划分的类别个数
E.计算量较小,效率比层次聚类要高
A.这个过程不断重复,直到准则函数收敛
B.对剩余的每个对象,根据其与各个簇中心的距离,将它赋给最近的簇
C.首先,随机选择K个对象,每个对象初始的代表了一个簇的均值
D.然后重新计算每个簇的平均值