2. 程式人生 > >SDE連線，建立資料集，資料匯入以及資料匯出

SDE連線，建立資料集，資料匯入以及資料匯出

阿新 • • 發佈：2018-12-26

1.介面


2.資料庫的連線

[csharp]  view plain  copy
  1. IWorkspace workspace;  
  2. IFeatureWorkspace featureWorkspace;  
  3. IRasterWorkspaceEx rasterWorkspaceEx;  
  4. IFeatureDataset featureDataset;  
  5. IRasterDataset rasterDataset;  
  6. IPropertySet propertySet;  
  7. private void btnConnectDB_Click(object sender, EventArgs e)  
  8. {  
  9.     propertySet = new PropertySetClass();  
  10.     propertySet.SetProperty("server", "Toby-PC");  
  11.     propertySet.SetProperty("instance", "5151/tcp");  
  12.     propertySet.SetProperty("database", "sde");  
  13.     propertySet.SetProperty("user"
    , "sde");  
  14.     propertySet.SetProperty("password", "Toby521904");  
  15.     propertySet.SetProperty("version", "SDE.DEFAULT");  
  16.     IWorkspaceFactory workspaceFactory =new SdeWorkspaceFactory();  
  17.     workspace = workspaceFactory.Open(propertySet, 0);  
  18.     MessageBox.Show("連線成功");  
  19.     
  20. }  

3.建立資料集

[csharp]  view plain  copy
  1. private void btnCreateDataSet_Click(object sender, EventArgs e)  
  2.     {  
  3.         if (this.txtRasterDS.Text != "" || this.txtFeatureDS.Text != "")  
  4.         {  
  5.             featureWorkspace = workspace as IFeatureWorkspace;  
  6.             rasterWorkspaceEx = workspace as IRasterWorkspaceEx;  
  7.             IEnumDatasetName enumDatasetName;  
  8.             bool isExit = false;  
  9.             IDatasetName datasetName;  
  10.             string dsName = "";  
  11.             if (this.txtFeatureDS.Text != "")  
  12.             {  
  13.                 //定義空間參考  
  14.                 ISpatialReferenceFactory spatialReferenceFactory = new SpatialReferenceEnvironmentClass();  
  15.                 ISpatialReference spatialReference = spatialReferenceFactory.CreateGeographicCoordinateSystem((int)esriSRGeoCSType.esriSRGeoCS_Beijing1954);  
  16.                 spatialReference.SetDomain(-1000, -1000, 1000, 1000);  
  17.                 enumDatasetName = workspace.get_DatasetNames(esriDatasetType.esriDTFeatureDataset);  
  18.                 datasetName = enumDatasetName.Next();  
  19.                 isExit = false;  
  20.                 dsName = "sde.SDE." + this.txtFeatureDS.Text;  
  21.                 while (datasetName != null)  
  22.                 {  
  23.                     if (datasetName.Name == dsName)  
  24.                     {  
  25.                         isExit = true;  
  26.                         MessageBox.Show("向量資料集已經存在！");  
  27.                         this.txtFeatureDS.Focus();  
  28.                         return;  
  29.                     }  
  30.                     datasetName = enumDatasetName.Next();  
  31.                 }  
  32.                 if (isExit == false)  
  33.                 {  
  34.                     featureDataset = featureWorkspace.CreateFeatureDataset(this.txtFeatureDS.Text, spatialReference);  
  35.                 }  
  36.                 MessageBox.Show("向量資料集建立成功");  
  37.             }  
  38.             if (this.txtRasterDS.Text != "")  
  39.             {  
  40.                 //建立影像資料集；  
  41.                 isExit = false;  
  42.                 enumDatasetName = workspace.get_DatasetNames(esriDatasetType.esriDTRasterDataset);  
  43.                 datasetName = enumDatasetName.Next();  
  44.                 dsName = "SDE." + this.txtRasterDS.Text;  
  45.                 while (datasetName != null)  
  46.                 {  
  47.                     if (datasetName.Name == dsName)  
  48.                     {  
  49.                         isExit = true;  
  50.                         MessageBox.Show("向量資料集已經存在！");  
  51.                         break;  
  52.                     }  
  53.                     datasetName = enumDatasetName.Next();  
  54.                 }  
  55.                 if (isExit == false)  
  56.                 {  
  57.                     IRasterStorageDef rasterStorageDef = new RasterStorageDefClass();  
  58.                     rasterStorageDef.CompressionType = esriRasterCompressionType.esriRasterCompressionUncompressed;  
  59.                     rasterStorageDef.PyramidLevel = 1;  
  60.                     rasterStorageDef.PyramidResampleType = rstResamplingTypes.RSP_BilinearInterpolation;  
  61.                     rasterStorageDef.TileHeight = 128;  
  62.                     rasterStorageDef.TileWidth = 128;  
  63.                     IRasterDef rasterDef = new RasterDefClass();  
  64.                     ISpatialReference rasterDSpatialReference = new UnknownCoordinateSystemClass();  
  65.                     rasterDef.SpatialReference = rasterDSpatialReference;  
  66.                     IGeometryDef geometryDef = new GeometryDefClass();  
  67.                     IGeometryDefEdit geometryDefEdit = (IGeometryDefEdit)geometryDef;  
  68.                     geometryDefEdit.AvgNumPoints_2 = 5;  
  69.                     geometryDefEdit.GridCount_2 = 1;  
  70.                     geometryDefEdit.set_GridSize(0, 1000);  
  71.                     geometryDefEdit.GeometryType_2 = esriGeometryType.esriGeometryPolygon;  
  72.                     ISpatialReference spatialReference2 = new UnknownCoordinateSystemClass();  
  73.                     geometryDefEdit.SpatialReference_2 = spatialReference2;  
  74.                     rasterDataset = rasterWorkspaceEx.CreateRasterDataset(this.txtRasterDS.Text, 1, rstPixelType.PT_LONG, rasterStorageDef, "DEFAULTS", rasterDef, geometryDef);  
  75.                     MessageBox.Show("柵格資料集建立成功");  
  76.                 }  
  77.             }  
  78.         }  
  79.     }<span style="font-family: Arial, Helvetica, sans-serif; background-color: rgb(255, 255, 255);"> </span>  

4.向量資料直接匯入sde

[csharp]  view plain  copy
  1. private void importFToSDE_Click(object sender, EventArgs e)  
  2.     {  
  3.         try  
  4.         {  
  5.             IDataset pDataSet = workspace as IDataset;  
  6.             this.openFileDialog1.Filter = "shp file(*.shp)|*.shp";  
  7.             this.openFileDialog1.Title = "開啟向量資料";  
  8.             this.openFileDialog1.Multiselect = false;  
  9.             string fileName = "";  
  10.             if (this.openFileDialog1.ShowDialog() == DialogResult.OK)  
  11.             {  

  12. 相關推薦

    SDE連線，建立資料集，資料匯入以及資料匯出

    1.介面 2.資料庫的連線 [csharp]  view plain  copy IWorkspace worksp

    Java連線HBASE資料庫，建立一個表，刪除一張表，修改表，輸出插入，修改，資料刪除，資料獲取，顯示錶資訊，過濾查詢，分頁查詢，地理hash

    準備工作 1、建立Java的Maven專案 建立好的目錄結構如下： 另外注意junit的版本，最好不要太高，最開始筆者使用的junit4.12的，發現執行的時候會報錯。最後把Junit的版本改成4.7的之後，問題解決了。 編寫POM檔案 <

    SSD Tensorflow訓練自己的資料集，遇到報錯absl.flags._exceptions.IllegalFlagValueError: flag --num_classes==: 求助

    按照此部落格訓練到“五.訓練”這一步報錯。 連結：https://blog.csdn.net/Echo_Harrington/article/details/81131441   下面是bash 的   train.sh  檔案博主給的內容 D

    製作PASCAL VOC格式的檢測資料集，生成trainval.txt, train.txt, val.txt, test.txt檔案

    import os import random xmlfilepath=r'C:\Users\Yeh Chih-En\Desktop\VOC\Annotations' saveBasePath=r"C:\Users\Yeh Chih-En\Desktop\VOC" trainval

    製作PASCAL VOC格式的分割資料集，生成trainval.txt, train.txt, val.txt檔案

    import os import random filepath=r'C:\models\research\deeplab\datasets\Headshoulder_dataset\dataset\JPEGImages' saveBasePath=r"C:\models\resear

    機器學習 深度學習資料彙總（含文件，資料集，程式碼等） 三

    分享一下我老師大神的人工智慧教程！零基礎，通俗易懂！http://blog.csdn.net/jiangjunshow 也歡迎大家轉載本篇文章。分享知識，造福人民，實現我們中華民族偉大復興！        

    下載kaggle資料集， kaggle api（資料集）

    現在做資料科學工作的，大部分都曾經在kaggle上下載過資料集。但是最近kaggle好像搞了個API介面。這樣很方便下載資料集。接下來，我將分享給大家： 第一步：安裝kaggle這個庫，這個庫是python的庫，大家可以像安裝python一樣安裝kaggle。 第二步：到

    lesson22-24 MNIST資料集，模組化搭建神經網路八股，手寫數字識別準確率輸出

    import tensorflow as tf #MNIST資料集輸出識別準確率 #MNIST資料集： #提供6w張28*28畫素點的0-9手寫數字圖片和標籤，用於訓練 #提供1w張28*28畫素點的0-9手寫數字圖片和標籤，用於測試 #每張圖片的784個畫素點（

    【pytorch】自定義讀取資料集，使用txt文字

    使用txt文字讀入資料可以減少記憶體的需要，有時候自定義載入資料集是非常必要的，我下面的程式碼是針對影象的，並且帶有label的有監督的影象。先看程式碼： import numpy as np import os import torch.nn as nn from PIL import Ima

    YOLOV3實戰2：訓練自己的資料集，你不可能出錯！

    大家好，我是小p，今天給大家帶來一期用darknet版本YOLO V3訓練自己資料集的教程，希望大家喜歡。 歡迎加入物件檢測群813221712討論和交流，進群請看群公告！ 一、搭建環境 搭建環境和驗證環境是否已經正確配置已在YOLOV3實戰1中詳細介紹，請一定

    電腦科學採用訓練資料集，驗證資料集，測試資料集 的方法 為什麼不採用統計學中常用的假設檢驗呢？ （引數檢驗 和 非引數檢驗）

    如題所說， 這個問題作為一個本科讀管理，碩士讀計算機卻旁修經濟學，博士在讀計算機的我來說感覺比較迷惑的。在管理學，經濟學，計算機這三門學科在解決優化問題的時候採用的方法大致相同，其核心都是統計學，管理學，電腦科學中採用的基礎方法，如線性迴歸，多元線性迴歸，廣義線性迴歸，決策樹，SVM,ID3,KNN等分類方法

    【TensorFlow】Win7下使用Object Detection API 訓練自己的資料集，並視訊實時檢測

    說明： 圖片：自己開的攝像頭，擷取的圖片。選擇了200張圖片。下面會有擷取的指令碼。 使用labelImg工具進行圖片進行標註。產生PascalVOC格式的XML檔案。【labelImg工具的安裝和使用教程】 機器環境: i5 CPU 4核  (訓練的時候，記憶體和cup都在95左右

    阿里重磅開源！4000臺伺服器真實資料集，揭祕世界級資料中心

    阿里妹導讀：開啟一篇篇 IT 技術文章，你總能夠看到“大規模”、“海量請求”這些字眼。這些功能強大的網際網路應用，都執行在大規模資料中心上。資料中心每個機器的執行情況如何？執行著什麼樣的應用？應用有什麼特點？除了少數資深從業者之外，普通學生和企業的研究者很難了解其中細節。 今天，阿里巴巴再度開放一份計算機叢

    gluoncv 訓練自己的資料集，進行目標檢測

    跑了一晚上的模型，實在佔GPU資源，這兩天已經有很多小朋友說我了。我選擇了其中一個引數。 https://github.com/dmlc/gluon-cv/blob/master/scripts/detection/faster_rcnn/train_faster_rcnn.py train_faster

    使用coco資料集，faster rcnn類方法訓練出錯解決

    問題：在caffe框架下，使用coco資料集進行faster rcnn類方法訓練，得到如下錯誤：  File "/data/zn/light_head_rcnn/script/py-RFCN-priv/tools/../lib/rpn/anchor_target_layer.

    資料預處理：原始資料集，特徵數值化，特徵值數值化

    原始資料集，特徵數值化 在原始資料集中，feature是多種多樣的，為了方便處理，我們必須把feature數值化，而且還需要把特徵值數值化。 示例： x=[[黃色,小,成人,用手打] ,[黃色,小,成人,用腳踩] ,[黃色,小,小孩,用手打] ,[黃色,小,小孩,用腳踩] ,[黃

    製作VOC型別資料集，生成txt，生成lmdb

    前言：資料樣式參照PASCALVOC 需要檔案連結：http://pan.baidu.com/s/1gfeHDMN 密碼：o7h0  連結：http://pan.baidu.com/s/1nve53Wd 密碼：jbtt 一：生成txt 1：蒐集圖片，或者視訊資料等，利用標註

    Spark中元件Mllib的學習27之邏輯迴歸-多元邏輯迴歸，較大資料集，帶預測準確度計算

    2.程式碼： /** * @author xubo * ref:Spark MlLib機器學習實戰 * more code:https://github.com/xubo245/SparkLearning

    機器學習中訓練資料集，交叉驗證資料集，測試資料集的作用

    #1. 簡介 在Andrew Ng的機器學習教程裡，會將給定的資料集分為三部分：訓練資料集（training set）、交叉驗證資料集（cross validation set）、測試資料集（test set）。三者分別佔總資料集的60%、20%、20%。 那麼

    從啤酒和尿布講關聯規則，大資料集處理演算法Apriori以及改進的PCY演算法

    本文將講解關聯規則的相關概念、處理相關規則的一般演算法、改進的大資料處理關聯規則的Apriori演算法以及進一步優化的PCY演算法。 啤酒和尿布的故事已經廣為人曉。很多年輕的父親買尿布的時候會順便為自己買一瓶啤酒。亞馬遜通過使用者購買資料，使用關聯規則，使用大資料的處理手段得出了尿布和啤