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。