单选题在基本K均值算法里，当邻近度函数采用（）的时候，合适的质心是簇中各点的中位数。A曼哈顿距离B平方欧几里德距离C余弦距离DBregman散度
单选题
在基本K均值算法里，当邻近度函数采用（）的时候，合适的质心是簇中各点的中位数。
A
曼哈顿距离
B
平方欧几里德距离
C
余弦距离
D
Bregman散度
参考解析
解析：
暂无解析
相关考题：
在《架空输电线路无人机巡检技术》中，关于无人直升机巡检系统采用的全景图像拼接技术中，特征点匹配是利用提取的ORB特征进行最邻近匹配，通过（）对得到的匹配点对进行筛选。A.LSD算法B.RASANC算法C.Otsu算法D.K-means
请编写一个函数comm(int n,int k)，该函数将用递归算法计算从n个人中选择k个人组成一个委员会的不同组合数，由n个人里选k个人的组合数=由(n-1)个人里选k个人的组合数+由(n-1)个人里选(k-1)个人的组合数。注意：部分源程序已存在文件test41_2.cpp中。请勿修改主函数main和其他函数中的任何内容，仅在函数comm的花括号中填写若干语句。源程序文件test41-2.cpp清单如下：include＜iostream.h＞int comm(int n, int k){}void main ( ){int n=7, k=3;cout＜＜"n=7,k=3"＜＜endl;cout＜＜comm(n,k)＜＜endl;}
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
关于K均值和DBSCAN的比较，以下说法不正确的是（）。A、K均值丢弃被它识别为噪声的对象，而DBSCAN一般聚类所有对象B、K均值使用簇的基于原型的概念，而DBSCAN使用基于密度的概念C、K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D、K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
关于混合模型聚类算法的优缺点，下面说法正确的是（）A、当簇只包含少量数据点，或者数据点近似协线性时，混合模型也能很好地处理B、混合模型比K均值或模糊C均值更一般，因为它可以使用各种类型的分布C、混合模型很难发现不同大小和椭球形状的簇D、混合模型在有噪声和离群点时不会存在问题
单选题关于混合模型聚类算法的优缺点，下面说法正确的是（）A当簇只包含少量数据点，或者数据点近似协线性时，混合模型也能很好地处理B混合模型比K均值或模糊C均值更一般，因为它可以使用各种类型的分布C混合模型很难发现不同大小和椭球形状的簇D混合模型在有噪声和离群点时不会存在问题