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。
第1题:
第2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()。
第3题:
如果一个类中定义了__init__方法,那么在打印对象时,默认输出该方法的返回值。
第4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。
第5题:
下面有关类和对象的说法中,不正确的是()
第6题:
如果一个关联的两端都在同一个类A上,那么该关联表示()
第7题:
对
错
第8题:
类是系统提供的一种数据类型
对象是类的实例
类和对象的关系是抽象和具体的关系
任何一个对象只能属于一个具体的类
第9题:
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
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
JP聚类是基于SNN相似度的概念
JP聚类的基本时间复杂度为O(m)
第10题:
对
错
第11题:
统计方法
邻近度
密度
聚类技术
第12题:
对
错
第13题:
以下关于类和对象的叙述中,正确的是()。
第14题:
对象是类的虚拟例子。如果将对象比作房子,那么类就是房子的设计图纸。
第15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。
第16题:
如果调查对象之间差异性大,任何一个样本的代表性不强,则可以选择较少的样本。
第17题:
有关类和对象的说法下列不正确的有()。
第18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。
第19题:
基于图的凝聚度
基于原型的凝聚度
基于原型的分离度
基于图的凝聚度和分离度
第20题:
概率
邻近度
密度
聚类
第21题:
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
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
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
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
第22题:
对
错
第23题:
对
错