DBSCAN是相对抗噪声的,并且能够处理任意形状和大小的簇。
DBSCAN是相对抗噪声的,并且能够处理任意形状和大小的簇。
相关考题:
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
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
通常石油人所说的油藏都是位于()。A、地上深浅不一、形状和大小一样的封闭空间B、地上深浅不一、形状和大小都一样的封闭空间C、地下深浅不一、形状和大小也不一样的封闭空间D、地下深浅不一、形状和大小也不一样的任意空间
标本的肉眼检查和重点描述内容中最佳的是()A、大小、色泽、形状、质地、重量B、数目、大小、色泽、形状、质地、表面和切面C、数目、大小、色泽、形状、质地、重量、表面和切面D、数目、大小、色泽、形状、质地和切面E、数目、大小、色泽、形状、质地、重量、表面
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
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