正确答案是D: 以上皆是。

聚类分析是数据挖掘和机器学习中的一种重要技术，目的是将数据对象分组为若干个类，使得同一类中的对象具有较高的相似性，而不同类中的对象具有较大的差异性。以下是对各个选项的专业分析：

A: 如何以数字来表示成员间的相似性
- 这是聚类分析的基础步骤之一。相似性度量是决定数据对象如何被分组的关键。常用的相似性度量方法包括欧氏距离、曼哈顿距离、余弦相似度等。

B: 如何根据相似性将类似的成员分在同一群
- 这是聚类分析的核心任务。聚类算法（如K均值、层次聚类、DBSCAN等）利用相似性度量将数据对象分成不同的簇。算法的选择和参数的设置会影响最终的聚类效果。

C: 所有成员分群完毕后，对每一群的特征应如何描述
- 这是聚类分析的重要后续步骤。描述每一群的特征有助于理解和解释聚类结果。可以通过统计分析、可视化等方法来总结每个簇的特征。

D: 以上皆是
- 综合上述分析，聚类分析不仅关心如何度量相似性和将数据对象分群，还关心对每个群的特征描述。因此，正确答案是D。

聚类分析在市场细分、图像处理、社会网络分析等多个领域有广泛应用，它能帮助我们从大量数据中发现有价值的模式和结构。