开始将N个样品各自作为一类，将规定样品之间的距离和类与类之间的距离，然后将距离最近的两类合并成一个新类，计算新类与其他类的距离，重复进行两个最近类的合并，每次减少一类，直至所有的样品合并为一类，此种聚类方法是（）
A: K－means
B: SOM聚类
C: 系统聚类
D: 有序聚类
A: K－means
B: SOM聚类
C: 系统聚类
D: 有序聚类
举一反三
- 【单选题】距离相近的样品先聚成类,距离较远的后聚成类,这个过程一直进行下去,直到所有样品聚成一类。这是一种() A. Q型聚类 B. R型聚类 C. 凝聚聚类 D. 分离聚类
- 将每个样本都做为一个独立的类簇，然后按照距离度量原则，不断合并最近的类簇，直至所有样本都合并为一个类簇，或者满足终止条件，这种聚类方式称为（ ） A: 基于分割的聚类 B: 层次聚类 C: 基于密度的聚类 D: 基于模型的聚类
- 系统聚类的建模步骤为( )。[br][/br]①选择合适的点与点之间的距离测度方法,计算样本点之间的距离;[br][/br]②对数据集中的数据进行标准化处理;[br][/br]③选择合适的类与类之间的距离测度方法,合并距离最近两类为一个新类;[br][/br]④构造C个类,每个类中包含一个样本点;[br][/br]⑤决定类别个数和类的特征;[br][/br]⑥计算新的类与当前各类之间的距离,若类的个数不为1,再进行类与类的合并;若类的个数为1则结束聚类,画出谱系聚类图。 A: ⑤②①④③⑥ B: ②①④③⑥⑤ C: ⑤②④①③⑥ D: ②⑤④①③⑥
- K-Means聚类算法流程包括以下哪些步骤（ ） A: 从N个样本数据中随机选取K个对象作为初始的聚类中心 B: 分别计算每个样本到各个聚类中心的距离，将对象分配到距离最近的聚类中 C: 所有对象分配完成后，重新计算K个聚类的中心 D: 当质心不发生变化时停止并输出聚类结果
- 在聚类分析中，最长距离法中，选择最小的距离作为新类与其他类之间的距离，然后将类间距离最小的两类进行合并，一直合并到只有一类为止。（ ）