网友您好， 请在下方输入框内输入要搜索的题目：

题目内容 （请给出正确答案）

关于K均值和DBSCAN的比较，以下说法不正确的是（）。

  • 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均值使用簇的基于原型的概念，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，但是DBSCAN会合并有重叠的簇

参考答案

更多 “关于K均值和DBSCAN的比较，以下说法不正确的是（）。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均值使用簇的基于原型的概念，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，但是DBSCAN会合并有重叠的簇” 相关考题
考题 给定一组点,使用点之间的距离概念,将点分组为若干簇,不同簇的成员不可以相同。() 此题为判断题(对，错)。
查看答案
考题 给定一组点,使用点之间的距离概念,将点分组为若干簇,不同簇的成员可以相同。() 此题为判断题(对，错)。
查看答案
考题 K－means聚类是发现给定数据集的K个簇的算法。() 此题为判断题(对，错)。
查看答案
考题 每个簇的质心centroid是该簇中所有数据对象的均值。() 此题为判断题(对，错)。
查看答案
考题 数据挖掘方法中的聚类分析也被称为无制导学习。一个好的聚类分析算法应该使得所得到的______。A．聚簇问的相似性很高，而不同的聚簇内的相似性很低B．聚簇内的相似性很低，而不同的聚簇间的相似性很高C．聚簇间的相似性很低，而不同的聚簇内的相似性很低D．聚簇内的相似性很高，而不同的聚簇间的相似性很低A．B．C．D．
查看答案
考题 关于聚类算法K-Means和DBSCAN的叙述中，不正确的是（ ）。A.K-Means和DBSCAN的聚类结果与输入参数有很大的关系 B.K-Means基于距离的概念而DBSCAN基于密度的概念进行聚类分析 C.K-Means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.当簇的密度变化较大时，DBSCAN不能很好的处理，而K-Means则可以
查看答案
考题 给定由两次运行K均值产生的两个不同的簇集，误差的平方和最大的那个应该被视为较优。
查看答案
考题 下面关于Jarvis－Patrick（JP）聚类算法的说法不正确的是（）。A、JP聚类擅长处理噪声和离群点，并且能够处理不同大小、形状和密度的簇B、JP算法对高维数据效果良好，尤其擅长发现强相关对象的紧致簇C、JP聚类是基于SNN相似度的概念D、JP聚类的基本时间复杂度为O（m）
查看答案
考题 在基于图的簇评估度量表里面，如果簇度量为proximity（Ci，C），簇权值为mi，那么它的类型是（）。A、基于图的凝聚度B、基于原型的凝聚度C、基于原型的分离度D、基于图的凝聚度和分离度
查看答案
考题 在基本K均值算法里，当邻近度函数采用（）的时候，合适的质心是簇中各点的中位数。A、曼哈顿距离B、平方欧几里德距离C、余弦距离D、Bregman散度
查看答案
考题 DBSCAN是相对抗噪声的，并且能够处理任意形状和大小的簇。
查看答案
考题 关于簇和页的说法正确的是（）。A、页由相邻的簇组成B、簇和页的大小无法由用户设置C、在控制台工具Console中可以查看数据库中的簇和页大小D、DM数据库中的数据以簇为最小存储单位
查看答案
考题 以下是哪一个聚类算法的算法流程（） ①构造k－最近邻图。 ②使用多层图划分算法划分图。 ③repeat：合并关于相对互连性和相对接近性而言，最好地保持簇的自相似性的簇。 ④until：不再有可以合并的簇。A、MSTB、OPOSSUMC、ChameleonD、Jarvis－Patrick（JP）
查看答案
考题 K均值是一种产生划分聚类的基于密度的聚类算法，簇的个数由算法自动地确定。
查看答案
考题 关于混合模型聚类算法的优缺点，下面说法正确的是（）A、当簇只包含少量数据点，或者数据点近似协线性时，混合模型也能很好地处理B、混合模型比K均值或模糊C均值更一般，因为它可以使用各种类型的分布C、混合模型很难发现不同大小和椭球形状的簇D、混合模型在有噪声和离群点时不会存在问题
查看答案
考题 目的是将数据对象划分为多个类或簇，在同一个簇中的对象之间具有高的相似度，而不同簇中的对象差别较大指的是（）。A、描述B、关联分析C、聚类分析
查看答案
考题 常见的分区格式有（），它们的主要区别是所支持的系统不同，分区的簇大小也不同。对应的簇的大小分别为根据分区的大小不同，对应的簇也不同。
查看答案
考题 单选题在基本K均值算法里，当邻近度函数采用（）的时候，合适的质心是簇中各点的中位数。A 曼哈顿距离B 平方欧几里德距离C 余弦距离D Bregman散度
查看答案
考题 单选题在基于图的簇评估度量表里面，如果簇度量为proximity（Ci，C），簇权值为mi，那么它的类型是（）。A 基于图的凝聚度B 基于原型的凝聚度C 基于原型的分离度D 基于图的凝聚度和分离度
查看答案
考题 填空题常见的分区格式有（），它们的主要区别是所支持的系统不同，分区的簇大小也不同。对应的簇的大小分别为根据分区的大小不同，对应的簇也不同。
查看答案
考题 判断题DBSCAN是相对抗噪声的，并且能够处理任意形状和大小的簇。A 对B 错
查看答案
考题 单选题下面关于Jarvis－Patrick（JP）聚类算法的说法不正确的是（）。A JP聚类擅长处理噪声和离群点，并且能够处理不同大小、形状和密度的簇B JP算法对高维数据效果良好，尤其擅长发现强相关对象的紧致簇C JP聚类是基于SNN相似度的概念D JP聚类的基本时间复杂度为O（m）
查看答案
考题 单选题关于K均值和DBSCAN的比较，以下说法不正确的是（）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均值使用簇的基于原型的概念，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，但是DBSCAN会合并有重叠的簇
查看答案
考题 判断题给定由两次运行K均值产生的两个不同的簇集，误差的平方和最大的那个应该被视为较优。A 对B 错
查看答案
考题 单选题目的是将数据对象划分为多个类或簇，在同一个簇中的对象之间具有高的相似度，而不同簇中的对象差别较大指的是（）A 描述B 关联分析C 聚类分析
查看答案
考题 判断题K均值是一种产生划分聚类的基于密度的聚类算法，簇的个数由算法自动地确定。A 对B 错
查看答案
考题 单选题关于混合模型聚类算法的优缺点，下面说法正确的是（）A 当簇只包含少量数据点，或者数据点近似协线性时，混合模型也能很好地处理B 混合模型比K均值或模糊C均值更一般，因为它可以使用各种类型的分布C 混合模型很难发现不同大小和椭球形状的簇D 混合模型在有噪声和离群点时不会存在问题
查看答案
热门标签
最新试卷