K均值聚类相似度的计算根据一个簇中对象的平均值来进行。（)

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均值使用簇的基本原型概念，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DBSCAN会合并有重叠的簇

A.K中心算法

B.K平均算法

C.K原型算法

D.PAM算法

A.关联规则

B.聚类

C.机器学习

D.云计算

A.聚类个数K

B.方差

C.n个数据对象

D.初始中心

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

E.K均值和DBSCAN的最初版本都是针对欧几里得数据设计的，但是它们都被扩展，以便处理其他类型的数据