ArcMap DayDreamInGIS 数据处理工具(裁剪工具/字段修改/要素合并/属性筛选/空间连接)版本更新说明

下载地址见百度网盘,请大家下载使用最新版本

链接:https://pan.baidu.com/s/1ZSCxKrm3c4TReoxzJHdYOA 
提取码:vwgh

——————————————————————————————————————————————————

20240829 V1.4.24 20240829 基础类库更新,未做功能更新

20240716 V1.4.22 20240716 空间链接功能解决 0x80040215 异常问题,坐标系不一致时,进行投影处理后再关联

20240617 V1.4.21 20240625 动态报告支持设置图片大小

20240617 V1.4.20 20240617 修复空间连接bug(OId跳跃>5000,连接缺失的问题)

20240125 V1.4.17 20240125 修复空间链接阈值问题,谷歌词库生成bug

20231130 V1.4.13 截图增加固定比例尺、最大比例尺选项

20231106 V1.4.12 要素浏览修复附加条件功能,属性筛选功能增加 清除 按钮

20231031 V1.4.11 线要素浏览异常 bug修复

20231030 V1.4.10 要素浏览、属性筛选工具 下拉列表不实时更新的bug修复

20230913 V1.4.07_beta 完成逆地理编码功能  DayDreamInGIS 逆地理编码工具(根据经纬度获取位置描述)插件源码解析-优快云博客

20230913 V1.4.05_beta 空间连接插件增加 缓冲距离选项

20230905 V1.4.04_beta 动态报告插件(处理字段插入模板时一对多的问题)

20220928 V1.3.80_beta  动态报告插件

20220829 V1.3.74_beta 优化空间连接速率,修复选择最大相交要素功能bug

20220823 V1.3.6_beta 空间连接功能,增加选择最大相交要素选项

20220616 V1.3.5_beta 修复字段修改工具 针对mdb图层时,出现的锁定bug

20220616 V1.3.4_beta 矢量分割工具Bug 修复

20220512 V1.3.1_beta 增加工具批量设置所有影像背景色为透明

20220220 V1.3.0_beta 除字段顺序调整工具外,其他所有工具界面都已使用WPF技术重写,解决界面拉伸问题。

20220218 V1.2.2_beta 字段顺序调整、字段编辑工具(顺序调整部分)Bug修复

20220126 V1.2.1_beta 自动保存工具微调 具体使用说明
ArcGIS AddIN自动保存工具说明与源码_u012839776的博客-优快云博客

20220125 V1.2.0_beta  增加自动保存工具

20220106 V1.1.9_beta  修复属性筛选工具

20211214 V1.1.8_beta  空间连接工具,增加了字符类型字段值去重选项

20211020 V1.1.7_beta 批量截图,处理了截图时不显示标注问题

20210909 V1.1.6_beta 锐角检查工具,具体使用说明

DayDreamInGIS数据处理工具 V1.1.5_beta 新功能之 锐角检查工具_u012839776的博客-优快云博客

20210625 V1.1.5_beta 火星坐标系转换工具

20210413 v1.1.4_beta 批量截图工具Bug修复

20210224 V1.1.3_beta 新增工具 图斑批量截图,具体使用说明见  DayDreamInGIS数据处理工具 V1.1.3_beta 新功能之 图斑批量截图 ArcGIS 批量截图 批量出图_u012839776的博客-优快云博客_arcgis按图斑批量截图

20201228 V1.1.2_beta  (1)要素浏览功能与 图层定义查询相结合 (2)要素浏览增加附加条件,只对附件条件内的数据进行筛选 (3)增加颠倒XY坐标工具  

使用说明见 : DayDreamInGIS数据处理工具 V1.1.2_beta 更新功能说明_u012839776的博客-优快云博客

20201202 V1.1.0_beta  (1)部分工具界面修改为wpf(新版本使用请注意数据备份) (2)要素工作空间合并,增加 是否包含来源工作空间选项。

20200625  V1.0.13 增加搜狗词库生成工具

20200503   V1.0.12 字段修改工具中 日期类型Bug修复

近期待更新:

要素浏览(1)最后一个要素提示后跳转至第一个要素(2)自动浏览结束后,自动浏览功能可用

使用注意事项:

(0)欢迎大家提供异常信息

(1)注意备份保存,可能会发生未知问题报错。

(2)界面使用winform开发,在高清屏上,可能会由于拉伸,导致显示不完整。比如这种

此时,在操作系统设置中,将缩放与布局修改为100%即可。之后会采用WPF技术,重新制作每个工具的交互窗体,到时候会解决这个问题。

### LSTM的输入与输出机制 #### 输入结构 LSTM是一种特殊的循环神经网络(Recurrent Neural Network, RNN),其设计目的是解决传统RNN在处理长时间序列时存在的梯度消失或爆炸问题。LSTM通过引入门控机制来控制信息流,从而能够有效捕捉长期依赖关系。 对于LSTM而言,其输入通常是一个三维张量,形状为 `(样本数, 时间步长, 特征维度)`。具体来说: - **样本数**表示数据集中有多少条独立的时间序列。 - **时间步长**指每一条时间序列包含多少个时间点的数据。 - **特征维度**则代表每个时间点上的特征向量长度[^1]。 例如,在自然语言处理任务中,如果我们将一句话看作是一组单词组成的序列,则这里的“时间步长”就是句子中的词数量,“特征维度”可以是每个词经过嵌入层后的向量大小。 #### 输出形式 LSTM 的输出取决于具体的配置方式以及应用场景: 1. 对于单层 LSTM 来说,它会针对每一个时间步返回隐藏状态 \(h_t\) 和细胞状态 \(c_t\) 。其中隐藏状态作为当前时刻该节点对外界表达的信息载体;而细胞状态内部存储着更深层次的历史记忆信息[^2]。 2. 当构建深层 LSTM 结构 (即堆叠多个 LSTM 层) 时,前一层的所有时间步输出将被送至下一层作为新输入继续传播计算直到最后一层结束为止。 3. 实际应用过程中往往还需要附加额外操作比如加入全连接(FC),以便最终得到符合需求的目标值——无论是连续型变量还是离散类别标签等不同类型的任务目标都可以通过调整 FC 后面激活函数的形式达成目的。 4. 在某些特定情况下如仅关心整个序列最后一步的状态而非中间过程变化情况的话可以直接取最后一个时间步对应的 h_T 或 c_T 进行后续处理而不是保留全部历史记录下来。 5. 另外值得注意的是当涉及到多维或多模态数据源联合建模的时候可能还会存在更加复杂的组合模式比如说同时考虑视觉图像帧加上音频片段共同作用影响未来趋势走向等问题此时就需要灵活运用不同类型的编码解码器架构配合起来完成相应功能实现[^3]。 ```python import tensorflow as tf model = tf.keras.Sequential([ tf.keras.layers.LSTM(units=64, input_shape=(None, feature_dim), return_sequences=True), tf.keras.layers.Dense(output_size, activation='softmax') ]) ``` 上述代码展示了一个简单的基于 TensorFlow/Keras 构造出来的带有单层 LSTM 单元并设置 `return_sequences` 参数为 True 表明希望获取每一时刻 t 所产生的隐含层状态 ht 给予下一个 Dense Layer 做进一步分类决策使用的例子。
评论 16
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值