随着互联网的发展，我们已经进入到“大数据时代”，互联网上有大量丰富的资源，三维模型作为继声音、图片和视频之后的第四代数据类型已经进入到我们生活中的方方面面。对于如何能够重复利用这些三维模型，以及提高检索三维模型的效率，三维模型检索已经成为当前的研究热点问题。 　　本文对三维模型检索的过程进行了研究，总结出对于不同的三维模型采用的预处理方法，以提高三维模型检索的效率。将当前三维模型特征提取方法分为四种，对基于表面属性的特征提取方法、基于视觉的特征提取方法、基于统计的特征提取方法和基于骨架的特征提取方法进行了研究，通过对比实验结果分析各自的优缺点，提出各自适用的三维模型类型，以及可改进的方向。 　　在研究特征提取的基础上引入聚类算法，先分别介绍不同类型的聚类算法，将聚类算法分成基于层次的聚类算法、基于网格和密度聚类算法以及基于划分的聚类算法三种，对比 k-means 算法和 k-mediods 算法，提出改进的 k-means 算法，结合三维模型特征提取，采用三维模型的欧式距离，降低了数据维度，减少了计算量，以此来提高检索的查全率和查准率。 　　最后对改进的 k-means 算法进行验证，并与其他算法进行比较，通过实验验证了本算法的可行性和高效性。