在基于划分的聚类算法中，假设有一个数据集D，其中包含N个子数据，若要将D划分为K个类簇，需要满足的要求不包括：A. K>NB. 类簇之间不会有交集C. 每个类簇至少含有一个子数据D. 类簇之间相似度尽可能降低

步骤 1：理解划分聚类算法的基本要求
划分聚类算法将数据集D划分为K个类簇，每个类簇代表一组相似的数据点。类簇之间应该没有交集，每个类簇至少包含一个数据点，且类簇之间的相似度尽可能低。

步骤 2：分析选项
A. K>N：如果K大于N，意味着类簇的数量超过了数据点的数量，这在划分聚类算法中是不合理的，因为每个类簇至少需要一个数据点。
B. 类簇之间不会有交集：这是划分聚类算法的基本要求，确保每个数据点只属于一个类簇。
C. 每个类簇至少含有一个子数据：这也是划分聚类算法的基本要求，确保没有空类簇。
D. 类簇之间相似度尽可能降低：这是划分聚类算法的目标之一，确保类簇之间的差异性。

步骤 3：确定不符合划分聚类算法要求的选项
根据上述分析，选项A（K>N）不符合划分聚类算法的基本要求，因为类簇的数量不能超过数据点的数量。