系统聚类时，_______是一个困难而又不可回避的最重要的问题.

A.计算距离

B.计算相似函数

C.确定分类方法

D.确定类的个数

A.kmeans算法各聚类中心与其几何重心是重合的，对于凸型数据集初始的假设聚类中心尽量距离远一些。

B.在计算样本之间的距离时，对样本不同量纲的数据属性进行标准化是必要的。

C.Kohonon神经网络在计算过程中需要计算样本之间的距离。

D.当聚类的组数比较多时，可以把距离较近的簇合并。

A.kmeans算法各聚类中心与其几何重心是重合的，对于凸型数据集初始的假设聚类中心尽量距离远一些。

B.在计算样本之间的距离时，对样本不同量纲的数据属性进行标准化是必要的。

C.Kohonon神经网络在计算过程中需要计算样本之间的距离。

D.当聚类的组数比较多时，可以把距离较近的簇合并。

A.kmeans算法各聚类中心与其几何重心是重合的，对于凸型数据集初始的假设聚类中心尽量距离远一些。

B.在计算样本之间的距离时，对样本不同量纲的数据属性进行标准化是必要的。

C.Kohonon神经网络在计算过程中需要计算样本之间的距离。

D.当聚类的组数比较多时，可以把距离较近的簇合并。

A.单连接法

B.全连接法

C.质心法

D.组平均法

A.无论数据多好，只要利用不同算法去建树，都会得到差异很大的系统发生树

B.常用的算法有距离法（distance）、简约法（parsimony）、最大似然法（most likelyhood）和贝斯法（Bayesian）等

C.简约法用一个最优标准（目标函数）来计算和测量树与数据的配合，具有最优分值的树被认为是最真实的树

D.距离法的原理是聚类算法，距离最近的类群将聚在一起

A.无论数据多好，只要利用不同算法去建树，都会得到差异很大的系统发生树

B.常用的算法有距离法（distance）、简约法（parsimony）、最大似然法（most likelyhood）和贝斯法（Bayesian）等

C.简约法用一个最优标准（目标函数）来计算和测量树与数据的配合，具有最优分值的树被认为是最真实的树

D.距离法的原理是聚类算法，距离最近的类群将聚在一起

A.自动编码器是有监督学习

B.聚类大量依赖于距离或者相似度计算

C.自动编码器的可以应用于数据降维

D.自动编码器的可以应用于图像降噪

A.自动编码器是有监督学习

B.聚类大量依赖于距离或者相似度计算

C.自动编码器的可以应用于数据降维

D.自动编码器的可以应用于图像降噪

A.Kohonen神经网络的聚类过程不需要计算样本之间的距离。

B.Kohonen输入层和输出层之间的权重修正不能使用梯度下降法。

C.kohonon神经网络输出层的神经元计算类似BP神经网络的输出神经元计算。

D.Kohonon神经网络聚类的组数事先可以确定。