你可能感興趣的試題

單項(xiàng)選擇題
以下屬于可伸縮聚類算法的是（）。
A.CURE
B.DENCLUE
C.CLIQUE
D.OPOSSUM
單項(xiàng)選擇題
考慮這么一種情況：一個(gè)對象碰巧與另一個(gè)對象相對接近，但屬于不同的類，因?yàn)檫@兩個(gè)對象一般不會(huì)共享許多近鄰，所以應(yīng)該選擇（）的相似度計(jì)算方法。
A.平方歐幾里德距離
B.余弦距離
C.直接相似度
D.共享最近鄰
單項(xiàng)選擇題
以下是哪一個(gè)聚類算法的算法流程（）。
①構(gòu)造k－最近鄰圖。
②使用多層圖劃分算法劃分圖。
③repeat：合并關(guān)于相對互連性和相對接近性而言，最好地保持簇的自相似性的簇。
④until：不再有可以合并的簇。
A.MST
B.OPOSSUM
C.Chameleon
D.Jarvis－Patrick（JP）
單項(xiàng)選擇題
關(guān)于K均值和DBSCAN的比較，以下說法不正確的是（）。
A.K均值丟棄被它識(shí)別為噪聲的對象，而DBSCAN一般聚類所有對象
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均值很難處理非球形的簇和不同大小的簇，DBSCAN可以處理不同大小和不同形狀的簇
D.K均值可以發(fā)現(xiàn)不是明顯分離的簇，即便簇有重疊也可以發(fā)現(xiàn)，但是DBSCAN會(huì)合并有重疊的簇
單項(xiàng)選擇題
在基于圖的簇評估度量表里面，如果簇度量為proximity（Ci，C），簇權(quán)值為mi，那么它的類型是（）。
A.基于圖的凝聚度
B.基于原型的凝聚度
C.基于原型的分離度
D.基于圖的凝聚度和分離度
單項(xiàng)選擇題
DBSCAN在最壞情況下的時(shí)間復(fù)雜度是（）。
A.O（m）
B.O（m²）
C.O（logm）
D.O（m*logm）
單項(xiàng)選擇題
（）將兩個(gè)簇的鄰近度定義為兩個(gè)簇合并時(shí)導(dǎo)致的平方誤差的增量，它是一種凝聚層次聚類技術(shù)。
A.MIN（單鏈）
B.MAX（全鏈）
C.組平均
D.Ward方法
單項(xiàng)選擇題
（）將兩個(gè)簇的鄰近度定義為不同簇的所有點(diǎn)對的平均逐對鄰近度，它是一種凝聚層次聚類技術(shù)。
A.MIN（單鏈）
B.MAX（全鏈）
C.組平均
D.Ward方法
單項(xiàng)選擇題
檢測一元正態(tài)分布中的離群點(diǎn)，屬于異常檢測中的基于（）的離群點(diǎn)檢測。
A.統(tǒng)計(jì)方法
B.鄰近度
C.密度
D.聚類技術(shù)
單項(xiàng)選擇題
BIRCH是一種（）。
A.分類器
B.聚類算法
C.關(guān)聯(lián)分析算法
D.特征選擇算法

<style id="0o8kb"></style>

首頁

題庫

網(wǎng)課

在線?？?/h3>

桌面端

以下哪個(gè)聚類算法不是屬于基于原型的聚類（）。

你可能感興趣的試題

以下屬于可伸縮聚類算法的是（）。

考慮這么一種情況：一個(gè)對象碰巧與另一個(gè)對象相對接近，但屬于不同的類，因?yàn)檫@兩個(gè)對象一般不會(huì)共享許多近鄰，所以應(yīng)該選擇（）的相似度計(jì)算方法。

以下是哪一個(gè)聚類算法的算法流程（）。
①構(gòu)造k－最近鄰圖。
②使用多層圖劃分算法劃分圖。
③repeat：合并關(guān)于相對互連性和相對接近性而言，最好地保持簇的自相似性的簇。
④until：不再有可以合并的簇。

關(guān)于K均值和DBSCAN的比較，以下說法不正確的是（）。

在基于圖的簇評估度量表里面，如果簇度量為proximity（Ci，C），簇權(quán)值為mi，那么它的類型是（）。

DBSCAN在最壞情況下的時(shí)間復(fù)雜度是（）。

（）將兩個(gè)簇的鄰近度定義為兩個(gè)簇合并時(shí)導(dǎo)致的平方誤差的增量，它是一種凝聚層次聚類技術(shù)。

（）將兩個(gè)簇的鄰近度定義為不同簇的所有點(diǎn)對的平均逐對鄰近度，它是一種凝聚層次聚類技術(shù)。

檢測一元正態(tài)分布中的離群點(diǎn)，屬于異常檢測中的基于（）的離群點(diǎn)檢測。

BIRCH是一種（）。

以下哪個(gè)聚類算法不是屬于基于原型的聚類（）。

你可能感興趣的試題

以下屬于可伸縮聚類算法的是（）。

考慮這么一種情況：一個(gè)對象碰巧與另一個(gè)對象相對接近，但屬于不同的類，因?yàn)檫@兩個(gè)對象一般不會(huì)共享許多近鄰，所以應(yīng)該選擇（）的相似度計(jì)算方法。

關(guān)于K均值和DBSCAN的比較，以下說法不正確的是（）。

在基于圖的簇評估度量表里面，如果簇度量為proximity（Ci，C），簇權(quán)值為mi，那么它的類型是（）。

DBSCAN在最壞情況下的時(shí)間復(fù)雜度是（）。

（）將兩個(gè)簇的鄰近度定義為兩個(gè)簇合并時(shí)導(dǎo)致的平方誤差的增量，它是一種凝聚層次聚類技術(shù)。

（）將兩個(gè)簇的鄰近度定義為不同簇的所有點(diǎn)對的平均逐對鄰近度，它是一種凝聚層次聚類技術(shù)。

檢測一元正態(tài)分布中的離群點(diǎn)，屬于異常檢測中的基于（）的離群點(diǎn)檢測。

BIRCH是一種（）。

以下屬于可伸縮聚類算法的是（）。

考慮這么一種情況：一個(gè)對象碰巧與另一個(gè)對象相對接近，但屬于不同的類，因?yàn)檫@兩個(gè)對象一般不會(huì)共享許多近鄰，所以應(yīng)該選擇（）的相似度計(jì)算方法。

關(guān)于K均值和DBSCAN的比較，以下說法不正確的是（）。

在基于圖的簇評估度量表里面，如果簇度量為proximity（Ci，C），簇權(quán)值為mi，那么它的類型是（）。

DBSCAN在最壞情況下的時(shí)間復(fù)雜度是（）。

（）將兩個(gè)簇的鄰近度定義為兩個(gè)簇合并時(shí)導(dǎo)致的平方誤差的增量，它是一種凝聚層次聚類技術(shù)。

（）將兩個(gè)簇的鄰近度定義為不同簇的所有點(diǎn)對的平均逐對鄰近度，它是一種凝聚層次聚類技術(shù)。

檢測一元正態(tài)分布中的離群點(diǎn)，屬于異常檢測中的基于（）的離群點(diǎn)檢測。

BIRCH是一種（）。