JP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
JP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
JP聚类是基于SNN相似度的概念
JP聚类的基本时间复杂度为O(m)
第1题:
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.
第2题:
下面关于Jarvis-Patrick(JP)聚类算法的说法不正确的是()。
第3题:
此题为判断题(对,错)。
第4题:
关于K均值和DBSCAN的比较,以下说法不正确的是()。
第5题:
以下哪个聚类算法不是属于基于原型的聚类()。
第6题:
第7题:
T6T是通过其DSP板上的跳线()来设置PTT方式的。
第8题:
A.JP1为并联
B.JP2为主机热敏
C.JP3为后备12V电源
D.JP4为安全回路检测
第9题:
以下哪个聚类算法不属于基于网格的聚类算法()。
第10题:
SYS板与PMC板硬件一致,两者都插在PMC框中,但SYS板的板内跳线与PMC板不同,特别是JP1-JP6跳线在更换单板时要注意。其中位于板位9的SYS板正确的跳线是(),其余断开。