1、聚類是一種：
無監督學習的方法
監督學習的方法
半監督學習的方法
圖像特征提取的方法
2、通過分析數據在特征空間的聚集情況，將一組數據分成不同的類，稱為
3、聚類旨在把一群樣本分為多個集合，使得集合內的元素盡量
相似或相近
相同
具備所有的特征
具有多種不同的元素
4、檢測樣本的數值越是靠近聚類中心，即它與該類越：
相似
有更多的不同特征
難判斷它的種類
需要重新輸入數據
5、K 均值聚類第一步是選取K個樣本，作為：
每一個類別的初始聚類中心
特征向量
K個分類的結果
分類得分常數
6、K 均值聚類第二步是將每一個樣本劃分給最近的聚類中心對應的類別，得到
新的劃分方式
分類的結果
同類的數量值
K類的分類分數值
7、K 均值聚類重覆重新劃分和重新計算聚類中心，直到聚類中心和劃分方式：
不再發生變化
符合雙流卷積神經網絡的標準
剩下一個類
劃出K個不同的類
8、人臉檢測後的處理步驟為：
人臉轉正 = 特征提取 = 人臉聚類
人臉轉正 = 人臉聚類 = 特征提取
特征提取 = 人臉轉正 = 人臉聚類
人臉聚類 = 特征提取 = 人臉轉正
9、層次聚類是重覆合拼最相似的兩個類，直至：
類別間的距離超過截止距離
合拼至只有兩類
類別間的距離相等
類別分層得到明顯的均值
10、層次分類的截止距離越小，理論上能分到的類越：