单选题（）将两个簇的邻近度定义为两个簇合并时导致的平方误差的增量，它是一种凝聚层次聚类技术。AMIN（单链）BMAX（全链）C组平均DWard方法
单选题
（）将两个簇的邻近度定义为两个簇合并时导致的平方误差的增量，它是一种凝聚层次聚类技术。
A
MIN（单链）
B
MAX（全链）
C
组平均
D
Ward方法
参考解析
解析：
暂无解析
相关考题：
在ORACLE数据库系统中为了提高查询速度，通过一种结构可以将两个或两个以上表组合在一起存放，这种结构称为A．视图(view)B．索引(index)C．聚簇(cluster)D．触发器(trigger)
数据挖掘方法中的聚类分析也被称为无制导学习。一个好的聚类分析算法应该使得所得到的______。A．聚簇问的相似性很高，而不同的聚簇内的相似性很低B．聚簇内的相似性很低，而不同的聚簇间的相似性很高C．聚簇间的相似性很低，而不同的聚簇内的相似性很低D．聚簇内的相似性很高，而不同的聚簇间的相似性很低A．B．C．D．
在基于图的簇评估度量表里面，如果簇度量为proximity（Ci，C），簇权值为mi，那么它的类型是（）。A、基于图的凝聚度B、基于原型的凝聚度C、基于原型的分离度D、基于图的凝聚度和分离度
以下是哪一个聚类算法的算法流程（） ①构造k－最近邻图。 ②使用多层图划分算法划分图。 ③repeat：合并关于相对互连性和相对接近性而言，最好地保持簇的自相似性的簇。 ④until：不再有可以合并的簇。A、MSTB、OPOSSUMC、ChameleonD、Jarvis－Patrick（JP）
开始将N个样品各自作为一类，将规定样品之间的距离和类与类之间的距离，然后将距离最近的两类合并成一个新类，计算新类与其他类的距离，重复进行两个最近类的合并，每次减少一类，直至所有的样品合并为一类，此种聚类方法是（）A、K－meansB、SOM聚类C、系统聚类D、有序聚类
单选题下面关于Jarvis－Patrick（JP）聚类算法的说法不正确的是（）。AJP聚类擅长处理噪声和离群点，并且能够处理不同大小、形状和密度的簇BJP算法对高维数据效果良好，尤其擅长发现强相关对象的紧致簇CJP聚类是基于SNN相似度的概念DJP聚类的基本时间复杂度为O（m）
单选题关于K均值和DBSCAN的比较，以下说法不正确的是（）AK均值丢弃被它识别为噪声的对象，而DBSCAN一般聚类所有对象BK均值使用簇的基于原型的概念，而DBSCAN使用基于密度的概念CK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DK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
判断题K均值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地确定。A对B错