秦始皇兵马俑是中华民族璀璨文明的有力证明,但大部分出土时都破碎不堪,因此对其拼接复原意义重大。传统的手工复原需要专家经验,费时费力,而且容易对文物造成二次损坏,迫切需要计算机进行辅助虚拟复原,提供指导方案。但在拼接过程中秦俑碎块数量太多,并且大多破损严重、杂乱无序,直接拼接工作量太大,如果能对其先分类再复原则会极大地减少计算工作量和提高准确率。但由于碎块标注样本太少,需要对半监督分类算法进行研究。本文针对秦俑碎块数据规模大、维度高、已标注样本少的特点,研究了基于锚图的半监督分类方法和基于自编码器的特征提取方法,设计并实现了秦俑碎块特征提取和半监督标注算法。本文研究的主要工作包括:(1)针对锚图半监督分类算法中锚点选择的局限性,提出基于密度峰值的锚图半监督分类(ADPC-AGR)算法。使用自适应的密度峰值聚类算法得到锚点,通过计算数据的局部密度和相对距离探索数据的空间结构,发现相对密度最大值点,选取前k个相对密度最大的点作为聚类中心,能够得到更具代表性的锚点。实验结果表明,ADPC-AGR算法在分类准确率和计算效率上均优于已有的锚图算法。(2)针对图像等数据的维数灾难问题,利用卷积神经网络优异的特征学习能力,设计卷积稀疏自编码器作为特征提取器。通过多层卷积自动地学习图像的深层特征,提取瓶颈层的输出作为有效特征,并设计了加权损失函数优化网络的性能。将卷积自编码器和半监督分类算法结合起来,设计了一个秦俑碎块特征提取和半监督标注算法。实验结果表明,卷积稀疏自编码器具有良好的特征学习能力,在秦俑碎块半监督分类实验中,仅有10%标注样本的情况下,达到了93.2%的分类准确率。(3)设计开发了一套秦俑碎块自动标注的半监督分类系统,集成了本文算法,能够完成大规模秦俑碎块的标注任务,提高了秦俑碎块虚拟复原工作的自动化程度。