给定由两次运行K均值产生的两个不同的簇集，误差的平方和最大的那个应该被视为较优。（)

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

给定两个集族和证明:

A.解决聚类问题的一种经典算法，简单、快速

B.对处理大数据集，该算法是相对可伸缩和高效率的

C.当结果簇是密集的，它的效果较好

D.必须事先给出k(要生成的簇的数目)，而且对初值敏感，对于不同的初始值，可能会导致不同结果

市场调查中的聚类分析和一般的聚类分析不同，需要采用K—均值聚类法。此种说法：()

求到两个给定平面

的距离为定比k的点的轨迹方程.