K 均值算法把簇的形心定义成簇内点的均值。（)

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均值使用簇的基本原型概念，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DBSCAN会合并有重叠的簇

A.K中心算法

B.K平均算法

C.K原型算法

D.PAM算法

A.fromfcmeansimportFCM

B.fcm=FCM(n_clusters=4)

C.fcm.fit(X)

D.fcm_centers=fcm.cednters

A.K均值法、SOM神经网络

B.RBF神经网络、K均值法、决策树

C.Apriori算法、FP-Tree算法

D.决策树、对数回归、关联模式

A.Apriori算法

B.SVM算法

C.K均值算法

D.KNN算法

B.混合模型比K均值或模糊c均值更一般，因为它可以使用各种类型的分布。

C.混合模型很难发现不同大小和椭球形状的簇。

D.混合模型在有噪声和离群点时不会存在问题。