关于K均值和DBSCAN的比较，以下说法正确的是（ ）。
A: 前者很难处理非球形的簇和不同大小的簇，而后者可以处理
B: 前者使用基于原型的概念，而后者使用基于密度的概念
C: 前者可以发现不是明显分离的簇，但是后者会合并有重叠的簇
D: 前者丢弃被它识别为噪声的对象，而后者一般聚类所有对象
A: 前者很难处理非球形的簇和不同大小的簇，而后者可以处理
B: 前者使用基于原型的概念，而后者使用基于密度的概念
C: 前者可以发现不是明显分离的簇，但是后者会合并有重叠的簇
D: 前者丢弃被它识别为噪声的对象，而后者一般聚类所有对象
举一反三
- 关于K均值和DBSCAN的比较,以下说法正确的是()。 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。
- 关于K均值和DBSCAN的比较，以下说法不正确的是（ ） 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，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。
- 关于K均值和DBSCAN的比较,以下说法不正确的是( )。 A: DBSCAN使用基于密度的概念 B: K均值使用簇的基于层次的概念 C: K均值很难处理非球形的簇和不同大小的簇 D: DBSCAN可以处理不同大小和不同形状的簇。
- 关于聚类算法K-Means和DBSCAN的叙述中，不正确的是（） A: K-Means和DBSCAN的聚类结果与输入参数有很大的关系 B: K-Means基于距离的概念而DBSCAN基于密度的概念进行聚类分析 C: K-Means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: 当簇的密度变化较大时，DBSCAN不能很好的处理，而K-Means则可以
- 关于聚类算法K-means和DBSCAN的叙述中，不正确的是（ ）。 A: 当簇的密度变化较大时，DBSCAN不能很好地处理，而K-means可以 B: K-means和DBSCAN的聚类结果与输入参数有很大的关系 C: K-means很难处理非球形的簇和不同大小的簇，而DBSCAN可以 D: K-means基于距离的概念，而DBSCAN基于密度的概念进行聚类分析