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）
单选题
（）将两个簇的邻近度定义为不同簇的所有点对的平均逐对邻近度，它是一种凝聚层次聚类技术。
A

MIN（单链）

B

MAX（全链）

C

组平均

D

Ward方法

参考答案

参考解析
解析： 暂无解析
更多 “单选题（）将两个簇的邻近度定义为不同簇的所有点对的平均逐对邻近度，它是一种凝聚层次聚类技术。A MIN（单链）B MAX（全链）C 组平均D Ward方法” 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 聚类技术把( )看做对象。 A数据B数据库C簇D数据元组
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 位置算符又称邻近度算符，它是（）运算符的延伸。AandBorCnotD（）
查看答案
考题 检测一元正态分布中的离群点，属于异常检测中的基于（）的离群点检测。A、统计方法B、邻近度C、密度D、聚类技术
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 从点作为个体簇开始，每一步合并两个最接近的簇，这是一种分裂的层次聚类方法。
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 （）将两个簇的邻近度定义为不同簇的所有点对的平均逐对邻近度，它是一种凝聚层次聚类技术。A、MIN（单链）B、MAX（全链）C、组平均D、Ward方法
查看答案
考题 在聚类分析当中，簇内的相似性越大，簇间的差别越大，聚类的效果就越差。
查看答案
考题 位置算符又称邻近度算符，它是（）运算符的延伸。A、andB、orC、notD、（）
查看答案
考题 一个对象的离群点得分是该对象周围密度的逆。这是基于（）的离群点定义。A、概率B、邻近度C、密度D、聚类
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 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 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 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 单选题一个对象的离群点得分是该对象周围密度的逆。这是基于（）的离群点定义。A 概率B 邻近度C 密度D 聚类
查看答案
考题 单选题（）将两个簇的邻近度定义为两个簇合并时导致的平方误差的增量，它是一种凝聚层次聚类技术。A MIN（单链）B MAX（全链）C 组平均D Ward方法
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 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 判断题从点作为个体簇开始每一步合并两个最接近的簇，这是一种分裂的层次聚类方法。A 对B 错
查看答案
考题 判断题在聚类分析当中，簇内的相似性越大，簇间的差别越大，聚类的效果就越差。A 对B 错
查看答案
考题 判断题基于邻近度的离群点检测方法不能处理具有不同密度区域的数据集。A 对B 错
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 单选题检测一元正态分布中的离群点，属于异常检测中的基于（）的离群点检测A 统计方法B 邻近度C 密度D 聚类技术
查看答案
热门标签
最新试卷