近几年,三维网格模型的分割技术在计算机图形学领域有了很大发展,并成为研究的热门课题。在三维图像技术和三维扫描技术的推动下,三维网格模型被广泛的应用到三维数字动画、虚拟现实技术、真实感造型等研究领域,成为数字几何建模的常用模型。在三维网格模型研究领域,有许多技术如几何建模、骨骼提取、网格变形、动画、纹理映射等需要将网格分割为几个区域。因此,三维模型分割在三维网格算法中扮演了重要的角色。本文提出了一种基于机器学习的三维网格分割算法,使用二元分类的方法对手动分割的三维网格模型数据进行学习,得到边界边缘函数,然后用学习得到的边界边缘函数对数据库外的三维网格模型进行测试,来检测候选的边界边从而得到分割边界区域。然而得到的边界区域往往由许多边界边构成,而并非能形成单一环状的分割线,因此我们提出了一个处理流程来对所得到的边界区域进行优化并得到最终的分割边界。首先,在机器学习阶段,利用手动分割得到的分割边界特征边和非边界特征边作为机器学习的正反集合,使用二面角、主曲率、高斯曲率、平均曲率、衍生曲率、形状直径等特征来构建边的特征向量,通过Adaboost分类器学习得到边界边缘函数,从而对输入的三维模型进行分割区域检测。其次,根据得到的边界区域,通过区域细化、对开口的分割线进行闭合,以及分割线去噪、去锯齿等优化处理得到最终的分割线。根据得到的分割线对分割区域打标签得到各个独立的分割区域。最后,根据普林斯顿大学提供的三维网格分割的评价标准来对分割结果做评价。实验结果表明,基于学习的方法可以对三维模型进行分割并得到比较好的分割结果。