关于K均值和DBSCAN的比较,以下说法不正确的是()。
第1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.
第2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。
第3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()。
第4题:
DBSCAN是相对抗噪声的,并且能够处理任意形状和大小的簇。
第5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。
第6题:
关于混合模型聚类算法的优缺点,下面说法正确的是()
第7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。
第8题:
基于图的凝聚度
基于原型的凝聚度
基于原型的分离度
基于图的凝聚度和分离度
第9题:
对
错
第10题:
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
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
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
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
第11题:
描述
关联分析
聚类分析
第12题:
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
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
混合模型很难发现不同大小和椭球形状的簇
混合模型在有噪声和离群点时不会存在问题
第13题:
第14题:
下面关于Jarvis-Patrick(JP)聚类算法的说法不正确的是()。
第15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。
第16题:
关于簇和页的说法正确的是()。
第17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。
第18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()。
第19题:
曼哈顿距离
平方欧几里德距离
余弦距离
Bregman散度
第20题:
第21题:
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
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
JP聚类是基于SNN相似度的概念
JP聚类的基本时间复杂度为O(m)
第22题:
对
错
第23题:
对
错