在K-means聚類分析中，當(dāng)聚類效果不理想時(shí)，分析下述選項(xiàng)：

A: **優(yōu)化初始點(diǎn)的選取**
- 由于K-means的結(jié)果很大程度上依賴于初始中心的選擇，因此優(yōu)化初始點(diǎn)的選取是非常重要的措施，如使用K-means++算法可以提高初始點(diǎn)選擇的效率，通常被認(rèn)為是改善聚類效果的正確做法。

B: **重新檢查數(shù)據(jù)清洗是否充分**
- 確保數(shù)據(jù)清洗工作到位，可以去除噪聲和不相關(guān)的特征，提高聚類效果。這是一個(gè)非常合理的步驟。

C: **多次重復(fù)運(yùn)行，直到有滿意結(jié)果**
- 雖然因?yàn)镵-means對(duì)初始值敏感，多次運(yùn)行可能會(huì)逐步接近更優(yōu)的結(jié)果，但僅僅依靠多次運(yùn)行來獲得滿意結(jié)果是不科學(xué)的，尤其當(dāng)沒有其他措施輔助優(yōu)化時(shí)。依賴重復(fù)實(shí)驗(yàn)而非改進(jìn)方法本身，這種做法不正確。

D: **檢查異常值、量綱的影響是否還存在**
- 異常值的存在可能會(huì)對(duì)聚類中心的計(jì)算產(chǎn)生顯著影響，量綱不一致可能導(dǎo)致特征偏向問題。解決這些問題是優(yōu)化聚類效果的合理步驟。

綜上所述，不正確的說法是：**C: 多次重復(fù)運(yùn)行，直到有滿意結(jié)果**。
這種方法缺乏科學(xué)依據(jù)，且不能根本解決問題所在。