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。

题目

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。

相似考题

1.K－means聚类是发现给定数据集的K个簇的算法。()此题为判断题(对，错)。

2.聚类技术把( )看做对象。A数据B数据库C簇D数据元组

3.双抗体夹心ELISA法是检测A、抗体最常用的方法B、抗原最常用的方法C、至少含有两个抗原决定簇的多价抗体的方法D、至少含有1个抗原决定簇的多价抗原的方法E、至少含有1个抗原决定簇的单价抗原的方法

4.BFR聚类簇的坐标可以与空间的坐标保持一致。()此题为判断题(对，错)。

参考答案和解析
正确答案:错误
更多“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。”相关问题

  • 第1题：

    层次聚类算法分为哪两种方法?简述这两个层次聚类算法。


    正确答案：层次聚类算法是假设类别之间存在层次结构，将样本聚到层次化的类中。层次聚类又有聚合或自底向上聚类、分裂或自顶向下聚类两种方法。聚合聚类开始将每个样本各自分到一个类，之后将相距最近的两类合并，建立一个新的类，重复此操作直到满足终止条件，得到层次化的类别。分裂聚类开始将所有样本分到一个类，之后将已有类中相距最远的样本分到两个新的类，重复此操作直到满足停止条件，得到层次化的类别。

  • 第2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．


    正确答案：D

  • 第3题：

    以下描述错误的是?( )

    ASVM是这样一个分类器，他寻找具有最小边缘的超平面，因此它也经常被称为最小边缘分类器(minimalmarginclassifier)

    B在聚类分析中，簇内的相似性越大，簇间的差别越大，聚类的效果越好

    C在决策树中，随着树中节点变得太大，即使模型的训练误差还在继续减低，但是检验误差开始增大，这是出现了模型拟合不足的问题

    D聚类分析可以看做是一种非监督的分类


    答案：AC

  • 第4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

    答案：D
    解析：
    本题考查数据挖掘的基础知识。K-Means和DBSCAN是两个经典的聚类算法，将相似的数据对象归类一组，不相似的数据对象分开。K-means算法基于对象之间的聚类进行聚类，需要输入聚类的个数。DBSCAN算法基于密度进行聚类，需要确定阈值，两者的聚类结果均与输入参数关系很大。DBSCAN可以处理不同大小和不同形状的簇，而K-means算法则不适合。若数据分布密度变化大，则这两种算法都不适用。

  • 第5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。


    正确答案:错误

  • 第6题：

    开始将N个样品各自作为一类，将规定样品之间的距离和类与类之间的距离，然后将距离最近的两类合并成一个新类，计算新类与其他类的距离，重复进行两个最近类的合并，每次减少一类，直至所有的样品合并为一类，此种聚类方法是（）

    • A、K－means
    • B、SOM聚类
    • C、系统聚类
    • D、有序聚类

    正确答案:C

  • 第7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。


    正确答案:错误

  • 第8题：

    在Excel2003要创建一个簇状柱行图并将该图表作为对象插入在工作表中，应执行（）。

    • A、视图→图表→选择“簇状柱行图”→下一步→完成数据区域输入→下一步→输入“图表选项”内容→下一步→选择“作为其中的对象插入”→确定
    • B、格式→图表→选择“簇状柱行图”→下一步→完成数据区域输入→下一步→输入“图表选项”内容→下一步→选择“作为其中的对象插入”→确定
    • C、插入→图表→选择“簇状柱行图”→下一步→完成数据区域输入→下一步→输入“图表选项”内容→下一步→选择“作为其中的对象插入”→确定
    • D、文件→图表→选择“簇状柱行图”→下一步→完成数据区域输入→下一步→输入“图表选项”内容→下一步→选择“作为其中的对象插入”→确定

    正确答案:C

  • 第9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


    正确答案： D
    解析： 暂无解析

  • 第10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


    正确答案： D
    解析： 暂无解析

  • 第11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


    正确答案： 错
    解析： 暂无解析

  • 第12题：

    填空题
    NTFS中一个文件的起始簇号和文件占用的簇数这两个重要信息，从该文件的（）属性中可得到

    正确答案： 80
    解析： 暂无解析

  • 第13题：

    已知关系：STUDENT(sno，sname，grade)，以下关于命令 “CREATE CLUSTER INDEX s_index ON student (grade)” 的描述中，正确的是( )。

    A．按成绩降序创建了一个聚簇索引

    B．按成绩升序创建了一个聚簇索引

    C．π按成绩降序创建了一个非聚簇索引

    D．按成绩升序创建了一个非聚簇索引


    正确答案：B

  • 第14题：

    索引从物理上分为聚簇索引和【 】。


    正确答案：非聚簇索引
    非聚簇索引 解析：根据索引的顺序与数据表的物理顺序是否相同可以分为：聚簇索引和非聚簇索引，聚簇索引重新组织表中的数据以按指定的一个或多个列的值排序；非聚簇索引不重新组织表中的数据。

  • 第15题：

    已知关系：STUDENT(sno，sname，grade)，以下关于命令 “CREATECLUSTER INDEXS_index ONStudent(grade)”的描述中，正确的是

    A．按成绩降序创建了一个聚簇索引

    B．按成绩升序创建了一个聚簇索引

    C．按成绩降序创建了一个非聚簇索引

    D．按成绩升序创建了一个非聚簇索引


    正确答案：B
    解析：在SQL中创建索引，使用CLUSTER表示要建立的索引是聚簇索引，索引项的顺序与表中记录的物理顺序一致，如果不使用CLUSTER则认为创建的是非聚簇索引。创建索引时可以在表的列名后面确定索引值的排列顺序，包括ASC(升序)和DE-SC(降序)两种，在默认的情况下按照升序排列的。题目中没有指定排列的顺序，按照默认情况是按照grade升序建立的索引。

  • 第16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。


    正确答案:错误

  • 第17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。

    • A、MST
    • B、OPOSSUM
    • C、Chameleon
    • D、Jarvis－Patrick（JP）

    正确答案:C

  • 第18题：

    如果一个对象不强属于任何簇，那么该对象是基于聚类的离群点。


    正确答案:正确

  • 第19题：

    NTFS中一个文件的起始簇号和文件占用的簇数这两个重要信息，从该文件的（）属性中可得到


    正确答案:80

  • 第20题：

    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


    正确答案： C
    解析： 暂无解析

  • 第21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）


    正确答案： C
    解析： 暂无解析

  • 第22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


    正确答案： 错
    解析： 暂无解析

  • 第23题：

    判断题
    如果一个对象不强属于任何簇，那么该对象是基于聚类的离群点。
    A

    对

    B

    错


    正确答案： 对
    解析： 暂无解析

  • 第24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


    正确答案： 对
    解析： 暂无解析

相关内容