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
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
参考答案
参考解析
解析：
暂无解析
更多 “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” 相关考题
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
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）
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
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）
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
单选题一般的栽培试验属于（）。A
随机模型B
固定模型C
混合模型D
线性模型
热门标签
最新试卷