下面关于DBSCAN聚类说法错误的是：()。

A.k均值聚类

B.层次聚类

C.DBSCAN

D.基于密度的聚类方法

A.k均值聚类

B.层次聚类

C.DBSCAN

D.基于密度的聚类方法

A.k均值聚类

B.层次聚类

C.DBSCAN

D.基于密度的聚类方法

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.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.DBSCAN

B.k-Means

C.OPTICS

D.DENCLUE

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

A.邻域越大聚类的速度越快，但效果不一定最好

B.MinPts的值越小越有利于分类

C.只有核心对象之间相互密度可达

D.直接密度可达是密度可达的传递闭包

A.能够识别出噪声点

B.不能很好反映高维数据

C.对用户定义的密度(ε,MinPts)参数是敏感的

D.如果样本集的密度不均匀、簇间距离相差很大时，聚类质量较差