下列哪个选项不是常用的聚类算法（)。

A.SYM

B.DBSCAN算法

C.K-means算法

D.HierarchicalClustering算法、BIRCH算法

A.算法简单、经典

B.当聚类的每个簇是密集的，且簇与簇之间区别特别明显时，其聚类效果较好

C.处理大数据集时是高效的，并且具有较好的可伸缩性

D.能够识别出噪声点

A.算法简单、经典

B.当聚类的每个簇是密集的，且簇与簇之间区别特别明显时，其聚类效果较好

C.处理大数据集时是高效的，并且具有较好的可伸缩性

D.能够识别出噪声点

A.能够识别出噪声点

B.不能很好反映高维数据

C.对用户定义的密度(ε,MinPts)参数是敏感的

D.簇间距离相差很大时，聚类质量较差

A.能够识别出噪声点

B.不能很好反映高维数据

C.对用户定义的密度(ε,MinPts)参数是敏感的

D.如果样本集的密度不均匀、簇间距离相差很大时，聚类质量较差

A、最小距离分类器

B、逻辑回归

C、K-means

D、KNN(K近邻)

A.在聚类分析中，簇之间的相似性越小，簇内样本的差别越小，聚类的效果就越好。

B.聚类分析是一种非监督的过程。

C.K均值算法是一种常用的聚类算法，簇的个数算法不能自动确定。

D.K均值算法的计算耗时与初始假设聚类中心的位置无关。

A.在聚类分析中，簇之间的相似性越小，簇内样本的差别越小，聚类的效果就越好。

B.聚类分析是一种非监督的过程。

C.K均值算法是一种常用的聚类算法，簇的个数算法不能自动确定。

D.K均值算法的计算耗时与初始假设聚类中心的位置无关。

A.在聚类分析中，簇之间的相似性越小，簇内样本的差别越小，聚类的效果就越好。

B.聚类分析是一种非监督的过程。

C.K均值算法是一种常用的聚类算法，簇的个数算法不能自动确定。

D.K均值算法的计算耗时与初始假设聚类中心的位置无关。

A.TF-IDF

B.TextRank

C.SSA

D.LDA

A.模糊C均值

B.EM算法

C.SOM

D.CLIQUE