从点作为个体簇开始，每一步合并两个最接近的簇，这是一种分裂的层次聚类方法。

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

（）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

（）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。

单选题查看答案

假设描述学生的信息包含属性：性别，籍贯，年龄。有两条记录p、q及两个簇C1、C2的信息如下，分别求出记录和簇彼此之间的距离。（k-means算法的拓展） p=｛男，广州，18｝，q=｛女，深圳，20｝ C1=｛男：25，女：5；广州：20，深圳：6，韶关：4；19｝ C2=｛男：3，女：12；汕头：12，深圳：1，湛江：2；24｝

简答题查看答案

（）都属于簇有效性的监督度量。

多选题查看答案

簇有效性的面向相似性的度量包括（）。

多选题查看答案

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

在基于图的簇评估度量表里面，如果簇度量为proximity（Ci，C），簇权值为mi，那么它的类型是（）。

单选题查看答案

下表中列出了4个点的两个最近邻。使用SNN相似度定义，计算每对点之间的SNN相似度。

简答题查看答案