A、基于数据挖掘的专家智能控制
B、基于遗传算法的软计算控制
C、基于人工神经网络的神经网络控制
D、以上说法都不对
答案：AC
解析：基础概念
A、基于数据挖掘的专家智能控制
B、基于遗传算法的软计算控制
C、基于人工神经网络的神经网络控制
D、以上说法都不对
答案：AC
解析：基础概念
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
解析： BP 算法不仅可用于多层前馈神经网络，还可用于其他类型的神经网络.
A. 样本较多但典型性不好
B. 样本较少但典型性好
C. 样本呈团状分布
D. 样本呈链状分布
A. k-means
B. 线性回归
C. 神经网络
D. 决策树
解析：k-means是聚类，属于无监督学习。
A. 自然语言系统
B. 机器学习
C. 专家系统
D. 人类感官模拟
A. 信息增益
B. 损失函数
C. 准确率
D. 召回率
解析：剪枝分为前剪枝和后剪枝，前剪枝本质就是早停止，后剪枝通常是通过衡量剪枝后损失函数变化来决定是否剪枝。
解析：当训练数据线性可分时，通过硬间隔最大化，也学习一个线性的分类器，即线性支持向量机，又称为硬间隔支持向量机
A. 数据
B. 设备
C. 计算机
D. 技术
