从经典的聚类算法k-means提出至今,聚类技术已经经历了四十多年的发展历史,但是研究者们仍孜孜不倦的开发各种新的聚类算法,可见其重要性。随着生物智能的出现,研究者受其启发,不断尝试把基于生物体或生物智能的思想应用于聚类领域,人工免疫系统就是其中的一种。虽然聚类方法众多,但是却少有对增量算法的研究,尤其是基于人工免疫系统。本文针对基于人工免疫系统的免疫应答原理,提出了一种新的增量聚类算法,围绕该算法展开的主要工作如下:1提出了一种新的基于免疫应答的增量聚类算法——IRA。该方法借鉴了免疫应答的两个阶段:初次免疫应答和二次免疫应答。在IRA中,识别从未遇到过的增量数据对应生物体的初次免疫应答的过程;识别曾经遇到过的相同或相似的增量数据对应生物体的二次免疫应答过程。2针对聚类分析的要求,对IRA进行了详尽的分析和讨论,包括发现任意形状簇、输入参数的领域知识最小化、输入数据的顺序不敏感、高维性等。且与基于人工免疫系统的最新的、有代表性的增量方法进行了对比。3针对IRA对簇划分过细的问题,文本提出了两种对IRA聚类结果进行优化的算法:基于最近邻和边介数的优化算法和基于蚁群的优化算法。给出了详细的算法描述和实验结果,实验证明,两种算法均有效解决了IRA划分过细的问题。4对IRA进行了改进,将其应用于三维模型检索领域,希望能给从事三维模型检索领域的研究者们以启迪。