單項選擇題下面關于Jarvis-Patrick(JP)聚類算法的說法不正確的是()。
A.JP聚類擅長處理噪聲和離群點,并且能夠處理不同大小、形狀和密度的簇
B.JP算法對高維數據效果良好,尤其擅長發(fā)現強相關對象的緊致簇
C.JP聚類是基于SNN相似度的概念
D.JP聚類的基本時間復雜度為O(m)
您可能感興趣的試卷
你可能感興趣的試題
1.單項選擇題一個對象的離群點得分是該對象周圍密度的逆。這是基于()的離群點定義。
A.概率
B.鄰近度
C.密度
D.聚類
2.單項選擇題以下哪個聚類算法不屬于基于網格的聚類算法()。
A.STING
B.WaveCluster
C.MAFIA
D.BIRCH
3.單項選擇題關于混合模型聚類算法的優(yōu)缺點,下面說法正確的是()。
A.當簇只包含少量數據點,或者數據點近似協(xié)線性時,混合模型也能很好地處理
B.混合模型比K均值或模糊c均值更一般,因為它可以使用各種類型的分布
C.混合模型很難發(fā)現不同大小和橢球形狀的簇
D.混合模型在有噪聲和離群點時不會存在問題
4.單項選擇題以下哪個聚類算法不是屬于基于原型的聚類()。
A.模糊c均值
B.EM算法
C.SOM
D.CLIQUE
5.單項選擇題以下屬于可伸縮聚類算法的是()。
A.CURE
B.DENCLUE
C.CLIQUE
D.OPOSSUM
最新試題
公司內部收集的數據不存在需要考慮數據隱私的環(huán)節(jié)。
題型:判斷題
當反向傳播算法運行到達到最小值時,無論初始權重是什么,總是會找到相同的解(即權重)。
題型:判斷題
小數據集的數據處理最好也由計算機手段來完成。
題型:判斷題
數據壓縮與解壓縮可以使得數據處理的速度加快。
題型:判斷題
訓練神經網絡具有過度擬合訓練數據的潛在問題。
題型:判斷題
由于分類是回歸的一種特殊情況,因此邏輯回歸是線性回歸的一種特殊情況。
題型:判斷題
要將工作申請分為兩類,并使用密度估計來檢測離職申請人,我們可以使用生成分類器。
題型:判斷題
支持向量機不適合大規(guī)模數據。
題型:判斷題
當數據集標簽錯誤的數據點時,隨機森林通常比AdaBoost更好。
題型:判斷題
通常,當試圖從大量觀察中學習具有少量狀態(tài)的HMM時,我們幾乎總是可以通過允許更多隱藏狀態(tài)來增加訓練數據的可能性。
題型:判斷題