基于机器学习的图号申请系统设计与实现

摘要：

针对企业中图号申请效率低下的现状,开发了基于机器学习的图号申请系统.首先,对企业PDM库中的历史图号申请记录进行去流水号和去重处理得到数据集.其次,采用K-means++算法将数据集和需要申请图号的新零部件共同聚类划分为若干簇,遍历每簇中的新零部件并利用KNN算法得到其属性图号.针对"同名异号"件采用基于多视图卷积神经网络的三维模型检索技术得到其属性图号.最后,对属性图号分配最新流水号得到完整图号.以企业某批次冷藏车厢体为例,系统图号申请正确率达到95％以上,效率提高5～6倍.

关键词：图号申请、K均值算法、K近邻算法、卷积神经网络

分类号：TH121;TP391

资助基金：镇江市重点研发计划项目GY2020007

在线出版日期：2023-04-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：153-159