K均值算法对孤立点的敏感性，k中心算法不采用簇中对象的平均值作为簇中心。而选用簇中离平均值最近的对象作为簇中心。
举一反三
- 关于K-均值（k-Means）聚类算法，正确的是（ ）。 A: k表示算法生成的簇的数目，需要用户事先指定 B: Means的含义是簇中样本的平均值 C: 在k-Means中，每一个簇用一个中心（质心）向量表示 D: 算法的初始化阶段需要给定k个初始的簇中心
- 关于K-均值（k-Means）聚类算法，正确的是（ ）。 A: k表示算法生成的簇的数目，需要用户事先指定 B: Means的含义是簇中样本的平均值 C: 在k-Means中，每一个簇用一个中心（质心）向量表示 D: 算法的初始化阶段需要给定k个初始的簇中心
- K-中心点算法是一种基于划分的聚类算法，选用簇中最中心的对象作为簇的代表对象。
- 产生基于中心的簇的聚类算法是？ A: 组平均 B: MIN (单链) C: MAX (全链) D: K-means (K均值)
- 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。