基于图学习卷积神经网络的装配特征图连接关系分类方法

摘要

本发明公开了一种基于图学习卷积神经网络的装配特征图连接关系分类方法。建立装配特征图中节点关系的图学习卷积神经网络结构，包括输入层、中间层和输出层；输入层以初始的节点表示矩阵和邻接矩阵为输入，经过卷积、图学习和调整得输出；中间层以前一层的节点表示矩阵和邻接矩阵作为输入，经过GNN运算、图学习、蒸馏、池化得输出；输出层用分类器分类预测；使用训练集训练使损失函数达到最小；将训练后结果对待测的装配特征图进行预测处理，获得零部件连接关系的分类结果。本发明有利于对图中的结构信息进行充分挖掘和分类，使得本发明能够实现在低标记率下分类任务的高鲁棒性。