本题考察对KMeans算法的理解。K-means算法是将数据集划分为K个簇的方法。簇的个数K是用户自己预先设定，并且簇的中心点是通过簇的质心来进行描述。所以当K值确定后，KMeans算法会取每个点距离最近的那1个点进行簇的划分，所以选项D表述错误，其他选项表述均正确，因此本题选D。

正确答案是：D: KMeans会取每个点距离最近的几个中心点进行簇的划分。

专业分析：
KMeans算法是一种常用的聚类算法，其基本原理如下：
1. **初始化**：随机选择K个初始中心点。
2. **分配步骤**：将每个数据点分配到离它最近的中心点所属的簇中。这个过程是基于欧几里得距离或其他距离度量方法。
3. **更新步骤**：计算每个簇的均值，并将该均值作为新的中心点。
4. **迭代**：重复步骤2和步骤3，直到中心点不再发生显著变化或者达到预定的迭代次数。

选项分析：
- A: KMeans计算均值的方法获得簇的中心点。这个描述是正确的，因为在每次迭代中，KMeans算法会计算每个簇的均值，并将其作为新的中心点。
- B: KMeans中会把每个点划分到离该点最近的中心点中。这也是正确的描述，因为KMeans算法的核心步骤之一就是将每个数据点分配到最近的中心点所属的簇中。
- C: KMeans是一个迭代的算法。这也是正确的，因为KMeans算法需要通过多次迭代来不断优化簇的划分。
- D: KMeans会取每个点距离最近的几个中心点进行簇的划分。这是错误的描述。KMeans算法每次只会将数据点分配到一个最近的中心点所属的簇中，而不是多个中心点。

因此，选项D的描述是不正确的。