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)
8、假定一个数据集: 有m个点,K个簇; 一半的点和簇在"较稠密的"区域; 一半的点和簇在"不太稠密的"区域; 两个区域之间是明显分离的 对给定的数据集,下面哪种情况可以最小化寻找K个簇时的平方误差?
A.在较稠密和不太稠密的区域质心分布应当相同
B.不太稠密的区域应当分配更多的质心
C.较稠密的区域应当分配更多的质心
D.以上都可以
参考答案和解析
不太稠密的区域应当分配更多的质心。
更多 “8、假定一个数据集: 有m个点,K个簇; 一半的点和簇在"较稠密的"区域; 一半的点和簇在"不太稠密的"区域; 两个区域之间是明显分离的 对给定的数据集,下面哪种情况可以最小化寻找K个簇时的平方误差?A.在较稠密和不太稠密的区域质心分布应当相同B.不太稠密的区域应当分配更多的质心C.较稠密的区域应当分配更多的质心D.以上都可以” 相关考题
考题
“簇”是系统为文件分配磁盘时的分配单元,其特征叙述不正确的是______。A.每个簇在FAT中都有对应的表项,簇号即为表项的序号B.FAT中,每个表项记录信息用于表示该簇是“使用”、“空闲”或者“坏”。C.坏簇在磁盘格式化过程中发现和登记,如果有一个扇区损坏时,该簇还可以使用。D.FAT中,每个文件存储位置都有表示为一个“数字链”,其给出该文件的各个部分被存储在磁盘哪些簇中。
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
考题
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
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
考题
在RF优化前要划分好簇,簇划分有以下哪几项原则()。A、簇的数量原则:根据实际情况,18-25个基站为一簇,不宜过多或过少B、站点的疏密原则:根据站点排布情况,尽量将相对密集站群归为一簇C、行政区域划分原则:城市规划的行政区一般都是中心密集逐渐外扩,或者外扩存在一定的方向性,这样将分割区域放在行政区外延区域便于簇与簇之间的衔接D、地形因素原则
考题
单选题关于簇优化启动条件的说法,通常不包含()。A
簇内基站无硬件告警和传输故障B
簇内已开通站点个数达到计划开通站点数的80%C
簇测试区域内无明显外部干扰问题D
簇内商用用户已经放号
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
考题
多选题在RF优化前要划分好簇,簇划分有以下哪几项原则()。A簇的数量原则:根据实际情况,18-25个基站为一簇,不宜过多或过少B站点的疏密原则:根据站点排布情况,尽量将相对密集站群归为一簇C行政区域划分原则:城市规划的行政区一般都是中心密集逐渐外扩,或者外扩存在一定的方向性,这样将分割区域放在行政区外延区域便于簇与簇之间的衔接D地形因素原则
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
热门标签
最新试卷