K-means聚类容易受初始值和离群值的影响，故选择A和D正确。由于K-means 聚类算法是基于距离度量的算法，所以它只能发现球状簇，而对于类似于环形簇这样的数据 就不能很好的聚类了。K值的选择是K-means算法的最大问题，也是这种算法的主要缺点。 故B选项说法错误。

正确答案是：B: K值可以自行迭代给出。

专业分析：

A: 对于离群点和孤立点敏感
这是正确的。K-means算法对离群点和孤立点非常敏感，因为这些点会显著影响簇的中心位置，从而影响聚类结果。

B: K值可以自行迭代给出
这是错误的。K-means算法要求用户预先指定K值，即簇的数量。虽然有一些方法（如肘部法、轮廓系数等）可以帮助选择合适的K值，但这些方法都是在算法运行之前或之后进行的，K值并不是在K-means算法内部自动迭代得出的。

C: 只能发现球状簇
这是正确的。K-means算法假设簇是球状的，因为它使用欧氏距离来计算样本点到簇中心的距离。如果簇的形状不是球状的，K-means的效果会大打折扣。

D: 对初始聚类中心的选择敏感
这是正确的。K-means算法对初始聚类中心的选择非常敏感，不同的初始点可能导致不同的聚类结果。为了缓解这一问题，通常会运行多次K-means算法，并选择最优的结果。