更多“完整的数据聚类过程一般包括选定特征,设定聚类准则,选择聚类算法和聚类结果评估。()”相关的问题
第1题
数据聚类中特征的选定应该考虑以下哪些因素()
A.聚类任务的需求
B.特征对聚类任务的有效性
C.维度和算法效率
D.判别函数的选取
点击查看答案
第2题
k-均值聚类算法的聚类目标是使准则函数取得最小值。()
点击查看答案
第3题
动态聚类算法是一种通过反复修改聚类结果来进行优化以达到满意的聚类结果的迭代算法。()
点击查看答案
第4题
模糊k-均值聚类算法的聚类中心应满足使得准则函数取得极值的条件。()
点击查看答案
第5题
模糊k-均值聚类算法是对硬聚类算法的一种改进。()
点击查看答案
第6题
ISODATA算法是在k均值算法的基础上,增加对聚类结果的“合并”和“分裂”两个操作,并设定算法运行控制参数的一种聚类算法。()
点击查看答案
第7题
如下哪个算法不属于聚类算法?()
A.均值聚类算法
B.最小哈希聚类算法
C.朴素贝叶斯算法
D.混合高斯聚类算法
点击查看答案
第8题
最大最小距离聚类算法比基于最近邻规则的试探法聚类算法在聚类中心的确定上有更强的适应能力。()
点击查看答案
第9题
K-均值算法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的确定。()
点击查看答案
第10题
K-Means聚类过程中需要不断地重新选择聚类中心和不断地迭代,计算量很大,因此不适合数据量大的情况。()
点击查看答案