对于给定的问题，我们可以逐一分析每个选项：

- **A: KNN是分类算法, K-Means是聚类算法**
- **正确**。KNN（K-Nearest Neighbors）是一种用于分类和回归的算法，但常用于分类。K-Means是一种用于无监督学习的聚类算法。

- **B: 它们都是监督学习**
- **错误**。KNN是监督学习算法，因为它在训练阶段使用带标签的数据进行学习。K-Means是无监督学习算法，因为它在训练阶段不使用标签，只在数据集中寻找自然的聚类。

- **C: 都是在数据集中找离它最近的点**
- **部分正确**。KNN在分类时寻找最近的K个邻居以决定数据的类别。K-Means在重新计算质心时寻找数据点与质心的距离，虽然有相似寻找邻居的机制，但目的和应用不同。

- **D: 都有明显的前期训练过程**
- **错误**。KNN算法没有显著的训练过程，它是一个惰性学习算法，直接对测试数据进行操作。K-Means是一个迭代过程，需要不断调整聚类质心，但不算是前期训练。

综上所述，正确的答案是 **A: KNN是分类算法, K-Means是聚类算法**。