关于混合模型聚类算法的优缺点，下面说法不正确的是（ ）。

选择了： 当簇只包含少量数据点，或者数据点近似协线性时，混合模型也能很好地处理。、混合模型很难发现不同大小和椭球形状的簇。、混合模型在有噪声和离群点时不会存在问题。

选择了： 当簇只包含少量数据点，或者数据点近似协线性时，混合模型也能很好地处理。、混合模型很难发现不同大小和椭球形状的簇。

选择了： 当簇只包含少量数据点，或者数据点近似协线性时，混合模型也能很好地处理。、混合模型在有噪声和离群点时不会存在问题。

选择了： 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。、混合模型很难发现不同大小和椭球形状的簇。、混合模型在有噪声和离群点时不会存在问题。

选择了： 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。、混合模型很难发现不同大小和椭球形状的簇。

选择了： 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。、混合模型在有噪声和离群点时不会存在问题。

选择了： 混合模型很难发现不同大小和椭球形状的簇。、混合模型在有噪声和离群点时不会存在问题。

选择了： 当簇只包含少量数据点，或者数据点近似协线性时，混合模型也能很好地处理。、混合模型很难发现不同大小和椭球形状的簇。、混合模型在有噪声和离群点时不会存在问题。

选择了： 当簇只包含少量数据点，或者数据点近似协线性时，混合模型也能很好地处理。、混合模型很难发现不同大小和椭球形状的簇。、混合模型在有噪声和离群点时不会存在问题。

选择了： 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。、混合模型很难发现不同大小和椭球形状的簇。