A.JP聚類擅長處理噪聲和離群點，并且能夠處理不同大小、形狀和密度的簇
B.JP算法對高維數據效果良好，尤其擅長發(fā)現強相關對象的緊致簇
C.JP聚類是基于SNN相似度的概念
D.JP聚類的基本時間復雜度為O（m）
您可能感興趣的試卷
你可能感興趣的試題
A.概率
B.鄰近度
C.密度
D.聚類
A.STING
B.WaveCluster
C.MAFIA
D.BIRCH
A.當簇只包含少量數據點，或者數據點近似協(xié)線性時，混合模型也能很好地處理
B.混合模型比K均值或模糊c均值更一般，因為它可以使用各種類型的分布
C.混合模型很難發(fā)現不同大小和橢球形狀的簇
D.混合模型在有噪聲和離群點時不會存在問題
A.模糊c均值
B.EM算法
C.SOM
D.CLIQUE
A.CURE
B.DENCLUE
C.CLIQUE
D.OPOSSUM
最新試題
數據收集中的拉模式需要通過定時的方式不斷地觸發(fā)，才能源源不斷地獲取對應的數據。
數據索引就像給每條數據裝了個信箱。
數據復制或者備份均是為了從提高數據并發(fā)這個角度來設計和實現的。
數據索引是保證數據處理高性能的軟件角度的一種手段，不做數據索引的數據訪問是線性訪問，但是做了索引的數據訪問會成倍的降低訪問時間。
根據數據科學家與數據工程師對于問題的理解并相互討論，然后確定需要收集數據的范圍以及種類，然后數據工程師使用數據收集工具，架構，甚至編程的形式來進行數據收集的工作，然后并把數據收集的數據放置到對應的存儲系統(tǒng)。
任何對數據處理與存儲系統(tǒng)的操作均需要記錄，這符合數據安全的要求。
通常，當試圖從大量觀察中學習具有少量狀態(tài)的HMM時，我們幾乎總是可以通過允許更多隱藏狀態(tài)來增加訓練數據的可能性。
使用正則表達式可以找到一個文本文件中所有可能出現的手機號碼。
對于文本數據和多媒體數據進行特征提取是為了方便對于這類數據的觀察和理解。
如果P（A B）= P（A），則P（A∩B）= P（A）P（B）。