下面关于超平面的说法中正确的是（）。

过拟合不会影响分类模型的泛化能力。

概率密度函数的参数估计需要一定数量的训练样本，样本越多，参数估计的结果越准确。

分级聚类又叫层次聚类，需要构建聚类树。

利用神经网络对两类问题进行分类时，可以用一个输出节点来实现。

C均值聚类算法对噪声和孤立点不敏感。

下面关于交叉验证法的说法中正确的是（）。

多类问题的贝叶斯分类器中判别函数的数量与类别数量是有直接关系的。

分支定界法计算量一定比穷举法小。

在感知器算法中训练样本需要经过增广化处理和规范化处理。