ISODATA法即迭代式自组织数据分析算法，简称迭代法，与K-均值算法的不同点在于（ ）
A: ISODATA不是每调整一个样本的类别就重新计算一次各类样本的均值，而是在把所有样本都调整完毕之后才重新计算
B: ISODATA一次完成分类
C: ISODATA算法不仅可以通过调整样本所属类别完成样本的聚类分析，而且可以自动地进行类别合并和分裂从而得到类数比较合理的聚类结果
D: 分类结果中的类别数是固定的
A: ISODATA不是每调整一个样本的类别就重新计算一次各类样本的均值，而是在把所有样本都调整完毕之后才重新计算
B: ISODATA一次完成分类
C: ISODATA算法不仅可以通过调整样本所属类别完成样本的聚类分析，而且可以自动地进行类别合并和分裂从而得到类数比较合理的聚类结果
D: 分类结果中的类别数是固定的
举一反三
- ISODATA法即迭代式自组织数据分析算法，简称迭代法，与K-均值算法的不同点在于（ ） A: ISODATA不是每调整一个样本的类别就重新计算一次各类样本的均值，而是在把所有样本都调整完毕之后才重新计算 B: ISODATA一次完成分类 C: ISODATA算法不仅可以通过调整样本所属类别完成样本的聚类分析，而且可以自动地进行类别合并和分裂从而得到类数比较合理的聚类结果 D: 分类结果中的类别数是固定的
- ISODATA聚类方法与K-均值算法的差别在于( ) A: ISODATA方法分类结果中的类别数是固定的 B: ISODATA算法不仅可以通过调整样本所属类别完成样本的聚类分析,而且可以自动地进行类别合并和分裂从而得到类数比较合理的聚类结果 C: ISODATA不是每调整一个样本的类别就重新计算一次各类样本的均值,而是在把所有样本都调整完毕之后才重新计算 D: ISODATA一次完成分类
- 关于非监督分类，下面说法错误的是（ ） A: K均值算法不需要事先人工选择样本进行训练 B: 非监督分类又常被称为聚类分析 C: K均值算法的分类效果一般要低于ISODATA算法 D: 非监督分类结束后，就直接得到像素的具体类别，不需要人工指定其类别信息。
- 会对K均值聚类算法结果产生影响的因素有 A: 类别个数 B: 初始类中心位置 C: 迭代终止条件 D: 样本顺序
- ISODATA算法与K-均值算法有什么不同。