) 针对K-means算法易受离群值影响问题进行改进，以下方法可行的是： A 迭代计算新的质心位置时用中位数替代平均值方法 B 用二分K-means方法 C 初始质心选取距离最远的样本点 D 每次迭代的质心都选在样本点上，选取簇中距离其他样本距离最近的样本作为质心

我明白了，你的问题是关于针对K-means算法易受离群值影响问题进行改进的方法。其中，可行的方法是A迭代计算新的质心位置时用中位数替代平均值方法。B的二分K-means方法可以减少计算复杂度，但未必能改进离群值问题；C的选取距离最远的样本点作为初始质心可以提高算法的稳定性，但并不能完全避免离群值问题；D每次迭代的质心选在样本点上，选取簇中距离其他样本距离最近的样本作为质心会使算法收敛速度更快，但是仍容易受到离群值的影响。因此，A方法是最可行的。