K均值法属于聚类方法的哪种分类？（)

A.系统聚类

B.K均值聚类

C.线性聚类

D.DBSCAN

A.NaiveBayes朴素贝叶斯算法

B.Pearson趋势关联分析+K-means自学习聚类

C.基于PNN的神经网络算法

D.k均值聚类算法

A.最大隶属度识别法

B.择近原则识别法

C.模糊层次聚类

D.模糊k-均值聚类

A.适合于大样本

B.类别数目的确定具有一定的主观性

C.事先不确定要分多少类，先把每一个对象作为一类，然后一层一层分类

D.要求研究者先指定需要划分的类别个数

E.计算量较小，效率比层次聚类要高

A.没有(或最小数目)聚类中心再发生变化

B.没有(或最小数目)对象被重新分配给不同的聚类

C.误差平方和局部最小

A.回归

B.聚类

C.分类

D.关联

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均值使用簇的基本原型概念，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DBSCAN会合并有重叠的簇

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

E.K均值和DBSCAN的最初版本都是针对欧几里得数据设计的，但是它们都被扩展，以便处理其他类型的数据

A.回归类算法

B.分类算法

C.聚类算法

D.关联类算法