本文针对海量模型中快速查找的需求,基于自主模型库,研究并提出基于一种新的动态融合特征算法的聚类分析方法,并设计实现了一个具有三维模型自适应分类功能的检索系统,为模型数据库的扩充、数据的优化管理提供了平台。本研究得到国家863高技术研究发展计划资助项目“三维模型智能处理与检索平台”的资助,主要研究工作包括：1)研究并实现了获取三维模型特征的模型骨架提取算法、形状直方图算法和模型投影环切算法,并对算法性能、适用条件对比和分析,为进一步研究提供了基础。2)在将三维模型投影点转化成投影二维图像基础上,提出基于三维模型三视图像的zernike矩和投影环切的融合特征算法。针对通用模型类别的多样性,采用相关反馈的方法来自动调整融合特征的参数,有效改进了对模型特征的描述。3)研究并实现了OPTICS、K-中心点、CURE等经典聚类算法,结合三维模型特征数据维度高、数据量大等特点,提出了将熵度量筛选有效特征应用到OPTICS聚类分析方法中,提高了聚类准确率。4)提出模型库分类设计规则,建立了三维模型学习库。通过对普林斯顿三维模型库分类的研究,结合认知心理学的知识,初步建立了一套模型分类规则,在此基础上从待分类模型库中挑选出一定的模型组成了学习库。5)设计并实现了一个具有三维模型自适应分类功能的检索系统,支持单个模型分类与批量模型分类入库,提供了手动调整分类模型的功能,对分类错误的模型可以进行更改。系统分类效果良好,在三维模型检索方面具有一定的实用价值。