A.概率
B.邻近度
C.密度
D.聚类
您可能感兴趣的试卷
你可能感兴趣的试题
A.STING
B.WaveCluster
C.MAFIA
D.BIRCH
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
A.模糊c均值
B.EM算法
C.SOM
D.CLIQUE
A.CURE
B.DENCLUE
C.CLIQUE
D.OPOSSUM
A.平方欧几里德距离
B.余弦距离
C.直接相似度
D.共享最近邻
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。
A.MST
B.OPOSSUM
C.Chameleon
D.Jarvis-Patrick(JP)
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
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
A.O(m)
B.O(m2)
C.O(logm)
D.O(m*logm)
A.MIN(单链)
B.MAX(全链)
C.组平均
D.Ward方法
![](https://static.ppkao.com/ppmg/img/appqrcode.png)
最新试题
支持向量机不适合大规模数据。
管理员不需要验证就可以访问数据存储系统中的任何数据,这符合数据安全的要求。
公司内部收集的数据不存在需要考虑数据隐私的环节。
随机梯度下降每次更新执行的计算量少于批梯度下降。
要将工作申请分为两类,并使用密度估计来检测离职申请人,我们可以使用生成分类器。
数据压缩与解压缩可以使得数据处理的速度加快。
对于文本数据和多媒体数据进行特征提取是为了方便对于这类数据的观察和理解。
任何对数据处理与存储系统的操作均需要记录,这符合数据安全的要求。
训练神经网络具有过度拟合训练数据的潜在问题。
当反向传播算法运行到达到最小值时,无论初始权重是什么,总是会找到相同的解(即权重)。