dbscan聚類演算法含義：
dbscan聚類引數主要有這兩個：eps 和 min_******s
dbscan調參視覺化部分：
# 測試調參部分
mask_test1 = np.zeros(shape=(round((1.0 - 0.05) / 0.05), round((1500 - 50) / 50)), dtype=np.float32)
mask_test2 = np.zeros(shape=(round((1.0 - 0.05) / 0.05), round((1500 - 50) / 50)), dtype=np.float32)
# 存放各個引數的組合計算出來的模型評估得分和雜訊比 # 注意浮點數int計算時末尾為x.99999
for i in tqdm.tqdm(np.arange(0.05, 1.0, 0.05), total=len(np.arange(0.05, 1.0, 0.05))):
for j in np.arange(50, 1500, 50):
try: # 因為不同的引數組合，有可能導致計算得分出錯，所以用try
features = standardscaler().fit_transform(get_lane_embedding_feats_result['lane_embedding_feats'])
db = dbscan(eps=i, min_samples=j).fit(features)
labels = db.labels_ # 得到dbscan**的分類便簽
k = metrics.silhouette_score(features, labels) # 輪廓係數評價聚類的好壞，值越大越好
raito = len(labels[labels[:] == -1]) / len(labels) # 計算雜訊點個數佔總數的比例
n_clusters_ = len(set(labels)) - (1 if -1 in labels else 0) # 獲取分簇的數目
mask_test1[int(round((i - 0.05) / 0.05))][int(round((j - 50) / 50))] = k
mask_test2[int(round((i - 0.05) / 0.05))][int(round((j - 50) / 50))] = raito
except:
mask_test1[int(round((i - 0.05) / 0.05))][int(round((j - 50) / 50))] = 0.0
mask_test2[int(round((i - 0.05) / 0.05))][int(round((j - 50) / 50))] = 1.0
plt.figure('mask_test1')
plt.imshow(mask_test1 * 255, cmap='gray')
plt.figure('mask_test2')
plt.imshow(mask_test2 * 255, cmap='gray')
plt.show()
plt.pause(5)
左圖：輪廓係數評價聚類的好壞，值越大越好 右圖：計算雜訊點個數佔總數的比例，值越小越好
分析原因：
測試圖未進行統一：將三個測試圖統一到統一亮度、色度。**： 結果：未使得優化
訓練集含有多種不同型別的物件，對應的標籤：重新進行標籤訓練。結果：未使得優化
。。。。。分析中
Qt串列埠接收資料長度不穩定問題
最近在做乙個實時接收資料的專案，需要每2ms接收下位機發來的兩幀資料，算是串列埠高速接收。在使用的過程中，發現串列埠接收的資料長度不穩定，有時長有時短。如下 connect serial,signal readyread this,slot serial receive 然後在槽函式裡 serial...
部分新iPhone出現訊號不穩定問題 不如老機器
程式設計驛站 chinaz.com 9月27日 訊息 去年，蘋果推出了iphone x之後，有部分使用者反應其訊號出現了不穩定的情程式設計客棧況。蘋果隨之通過ios軟體的更新進行了多次修復。然而今年最新一代ipho推出之後，也並沒有避ysxmzhdnn免 訊號門 的問題。近日，有國外 反應，部分國外...
關於打遊戲ping值不穩定問題的解決經歷（疑難篇）
接著，我把試著用網線連線電腦，通過撥號上網，發現，這時候打遊戲就不會出現跳ping的情況了，於是我開始猜測是我的電腦硬體出了問題，打算找時間去修理一下，可是就在剛才，我再次嘗試看看自己能不能解決這個問題，如果實在解決不了再送去售後維修，結果，誤打誤撞的解決了，下面我是怎麼解決這個問題的。首先，我並沒...