在可视化技术和计算机数字化的飞速发展背景下,文化遗产的保护工作与传承工作也逐渐进入信息化时代。秦始皇陵墓葬坑出土的兵马俑和兵马俑文物碎片数量多、几何形状复杂、结构复杂、表面特征模糊,从而导致复原效率低下。通过对兵马俑碎片进行分类,确定碎片之间的隶属关系,可以有效地解决虚拟拼接算法复杂度高、结果不准确的问题,并有效避免人工识别对碎片造成的二次损坏。针对上述问题,本文在“面向破损兵马俑虚拟拼接的直觉模糊群体智能的自适应学习模型研究”陕西省自然科学基金项目支持下,将直觉模糊集C均值与卷积神经网络优化模型相结合,实现对兵马俑碎片的分类。具体研究内容如下:1.构造兵马俑碎片二维图像数据集。采用扫描设备获取三维数据集,在特征标注的基础上使用Geomagic系统获取碎片全局多视图二维图像数据集;采用高斯混合模型条件生成式对抗网络数据增强算法对二维图像数据集进行扩充;扩展后的数据集可以极大的改善现有碎片数据量有限导致的后续实验结果不准确、过拟合的难题,为本文后续的工作提供强有力的数据支持。2.首次在卷积神经网络模型中引入兵马俑碎片数据集,提出一种基于卷积神经网络的兵马俑碎片分类方法。将经过预处理的碎片数据集输入到卷积神经网络中,进行数据训练,避免了人工特征抽取的时间消耗,大大提高了在线计算效率,实验表明本文采用的方法相比传统方法,分类性能更好,分类效率更高。3.提出一种基于浅层卷积神经网络的兵马俑碎片分类方法。该方法考虑到卷积神经网络在碎片特征提取时由于卷积层过多、提取特征过度细腻造成的过拟合问题,对传统卷积神经网络进行一定程度的优化处理,提高了兵马俑碎片特征识别率,降低了算法时间复杂度,提高了碎片分类准确性。4.提出一种基于直觉模糊C均值卷积神经网络兵马俑碎片分类方法。该方法在浅层卷积神经网络提取碎片特征基础上引入直觉模糊集,更好地实现兵马俑碎片的特征分离,使特征更加明晰,完成碎片聚类,最后利用先验知识判定聚类碎片部位归属。该方法减少了工作成本,降低了碎片分类工作复杂度,同时也提高了分类精度。