以下是哪一個聚類算法的算法流程()。
①構造k-最近鄰圖。
②使用多層圖劃分算法劃分圖。
③repeat:合并關于相對互連性和相對接近性而言,最好地保持簇的自相似性的簇。
④until:不再有可以合并的簇。
A.MST
B.OPOSSUM
C.Chameleon
D.Jarvis-Patrick(JP)
您可能感興趣的試卷
你可能感興趣的試題
A.K均值丟棄被它識別為噪聲的對象,而DBSCAN一般聚類所有對象
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均值很難處理非球形的簇和不同大小的簇,DBSCAN可以處理不同大小和不同形狀的簇
D.K均值可以發(fā)現(xiàn)不是明顯分離的簇,即便簇有重疊也可以發(fā)現(xiàn),但是DBSCAN會合并有重疊的簇
A.基于圖的凝聚度
B.基于原型的凝聚度
C.基于原型的分離度
D.基于圖的凝聚度和分離度
A.O(m)
B.O(m2)
C.O(logm)
D.O(m*logm)
A.MIN(單鏈)
B.MAX(全鏈)
C.組平均
D.Ward方法
A.MIN(單鏈)
B.MAX(全鏈)
C.組平均
D.Ward方法
最新試題
數(shù)據(jù)索引是保證數(shù)據(jù)處理高性能的軟件角度的一種手段,不做數(shù)據(jù)索引的數(shù)據(jù)訪問是線性訪問,但是做了索引的數(shù)據(jù)訪問會成倍的降低訪問時間。
當MAP中使用的先驗是參數(shù)空間上的統(tǒng)一先驗時,MAP估計等于ML估計。
訓練神經網絡具有過度擬合訓練數(shù)據(jù)的潛在問題。
數(shù)據(jù)壓縮與解壓縮可以使得數(shù)據(jù)處理的速度加快。
完整性,一致性,時效性,唯一性,有效性,準確性是衡量數(shù)據(jù)質量的六個維度指標。
任務調度系統(tǒng)的設計與實現(xiàn)才能使得數(shù)據(jù)收集工作可以不間斷地按照既定的目標從目標源獲取數(shù)據(jù)。
小數(shù)據(jù)集的數(shù)據(jù)處理最好也由計算機手段來完成。
使用正則表達式可以找到一個文本文件中所有可能出現(xiàn)的手機號碼。
非結構化數(shù)據(jù)也可以使用關系型數(shù)據(jù)庫來存儲。
隨機梯度下降每次更新執(zhí)行的計算量少于批梯度下降。