（）将两个簇的邻近度定义为不同簇的所有点对的平均逐对邻近度，它是一种凝聚层次聚类技术。

（）将两个簇的邻近度定义为两个簇合并时导致的平方误差的增量，它是一种凝聚层次聚类技术。

单选题查看答案

基于邻近度的离群点检测方法不能处理具有不同密度区域的数据集。

判断题查看答案

K均值是一种产生划分聚类的基于密度的聚类算法，簇的个数由算法自动地确定。

判断题查看答案

以下是哪一个聚类算法的算法流程（） ①构造k－最近邻图。 ②使用多层图划分算法划分图。 ③repeat：合并关于相对互连性和相对接近性而言，最好地保持簇的自相似性的簇。 ④until：不再有可以合并的簇。

单选题查看答案

考虑这么一种情况：一个对象碰巧与另一个对象相对接近，但属于不同的类，因为这两个对象一般不会共享许多近邻，所以应该选择（）的相似度计算方法。

单选题查看答案

在基本K均值算法里，当邻近度函数采用（）的时候，合适的质心是簇中各点的中位数。

单选题查看答案

开始将N个样品各自作为一类，将规定样品之间的距离和类与类之间的距离，然后将距离最近的两类合并成一个新类，计算新类与其他类的距离，重复进行两个最近类的合并，每次减少一类，直至所有的样品合并为一类，此种聚类方法是（）

单选题查看答案

当所有观测值都落在回归直线上，则这两个变量之间的相关系数为（）

单选题查看答案

一个对象的离群点得分是该对象周围密度的逆。这是基于（）的离群点定义。

单选题查看答案