niusouti.com

给定一组点,使用点之间的距离概念,将点分组为若干簇,不同簇的成员可以相同。()此题为判断题(对，错)。

题目
给定一组点,使用点之间的距离概念,将点分组为若干簇,不同簇的成员可以相同。()

此题为判断题(对，错)。

相似考题

1.频点规划的原理是:将()分成若干组,每小区使用一组频率,并隔开复用相同的频率A.所有频率B.一定的距离C.可用频率D.6000米

2.1×1频率规划：指所有基站的所有小区使用一个相同的频点组网，复用度为1，以一个站为簇实现无缝的连续覆盖。()

3.簇优化的报告模板中应包括()。A.优化前簇状态B.测试路线C.优化前指标情况D.簇内问题点汇总E.各问题点详细分析和解决建议

4.给定一组点,使用点之间的距离概念,将点分组为若干簇,不同簇的成员不可以相同。()此题为判断题(对，错)。

更多“给定一组点,使用点之间的距离概念,将点分组为若干簇,不同簇的成员可以相同。() ”相关问题

  • 第1题：

    关于聚类算法K-Means和DBSCAN的叙述中，不正确的是（ ）。

    A.K-Means和DBSCAN的聚类结果与输入参数有很大的关系
    B.K-Means基于距离的概念而DBSCAN基于密度的概念进行聚类分析
    C.K-Means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.当簇的密度变化较大时，DBSCAN不能很好的处理，而K-Means则可以

    答案：D
    解析：
    本题考查数据挖掘的基础知识。K-Means和DBSCAN是两个经典的聚类算法，将相似的数据对象归类一组，不相似的数据对象分开。K-means算法基于对象之间的聚类进行聚类，需要输入聚类的个数。DBSCAN算法基于密度进行聚类，需要确定阈值，两者的聚类结果均与输入参数关系很大。DBSCAN可以处理不同大小和不同形状的簇，而K-means算法则不适合。若数据分布密度变化大，则这两种算法都不适用。

  • 第2题：

    6、关于K均值和DBSCAN的比较，以下说法不正确的是（)。

    A．DBSCAN使用基于密度的概念

    B．K均值使用簇的基于层次的概念

    C．K均值很难处理非球形的簇和不同大小的簇

    D．DBSCAN可以处理不同大小和不同形状的簇。


    A

  • 第3题：

    7、聚类中不属于任何簇的数据对象可以被认为是异常点


    正确

  • 第4题：

    8、假定一个数据集： 有m个点，K个簇； 一半的点和簇在"较稠密的"区域； 一半的点和簇在"不太稠密的"区域； 两个区域之间是明显分离的 对给定的数据集，下面哪种情况可以最小化寻找K个簇时的平方误差？

    A．在较稠密和不太稠密的区域质心分布应当相同

    B．不太稠密的区域应当分配更多的质心

    C．较稠密的区域应当分配更多的质心

    D．以上都可以


    不太稠密的区域应当分配更多的质心。

  • 第5题：

    【单选题】基于分簇的路由协议即将在监控区域内的节点按照一点的算法分为若干个区域，每个小区域称为（），选择一个节点作为（），进行节点之间的通信。

    A．簇；链

    B．簇；头节点

    C．簇；通信节点

    D．簇；簇头


    OSPF

相关内容