MIN(单链)
MAX(全链)
组平均
Ward方法
第1题:
给定由两次运行K均值产生的两个不同的簇集,误差的平方和最大的那个应该被视为较优。
第2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。
第3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。
第4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。
第5题:
层次聚类的聚类方式有()
第6题:
SNMP设计为一种基于()的应用层协议,它是TCP/IP协议簇的一部分。
第7题:
一个簇中不能包含两个文件的内容。
第8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9题:
曼哈顿距离
平方欧几里德距离
余弦距离
Bregman散度
第10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11题:
对
错
第12题:
对
错
第13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14题:
在基本K均值算法里,当邻近度函数采用()的时候,合适的质心是簇中各点的中位数。
第15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。
第16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()
第17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18题:
目的是将数据对象划分为多个类或簇,在同一个簇中的对象之间具有高的相似度,而不同簇中的对象差别较大指的是()。
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:
对
错
第21题:
凝聚方式聚类
分解方式聚类
Q型聚类
R型聚类
第22题:
描述
关联分析
聚类分析
第23题:
对
错