三维网格分割是计算机图形学领域的一个经典课题，它是众多三维建模和计算机图形学应用技术的关键步骤，如形体匹配和检索、形体变形、骨骼提取、纹理映射、简化和3D打印技术等。随着计算机图形学的发展和三维模型处理技术的不断进步，三维网格形体的理解和分割领域吸引了大量的专家学者进行研究，至今已经有许多种经典算法被提出并衍生出各种改进版本，由于侧重的模型特征和分割过程中运用的分割准则的不同，各种算法各有自己的优点同时又都存在各自的局限性，因此如何整合各种算法使其取得最好的分割效果是非常有意义的工作。这方面的研究已经取得了一些重要的进展，如随机割算法中提出的针对每条边的Partitionfunction就是来自其他分割算法的随机分割结果集，因此它是一种全局抽象的高度浓缩形体特征。为了整合各种算法的优势，本文中提出了一种全局抽象的基于面面相近概率的模型特征矩阵，它并不依赖某些特定的形体几何特征，而是从全局出发，通过从其他算法的分割结果中分析提取而得。由于各种算法对模型形体的理解直接表现在其分割结果中，由此计算而得的模型特征矩阵是一个全局抽象的高度浓缩信息，它是各种算法对模型形体理解信息的融合。提取出该特征矩阵之后，可以将之与现有的一些算法（如本文中的随机漫步算法）相结合并运用到模型分割中，在此过程中需要对原始随机漫步算法的各主要步骤进行相应的调整和改进。最后运用Princeton大学标准算法评价体系对其与其他各种算法进行定量比较，实验表明，与其他算法相比，本文提出的算法在视觉和定量比较中都具有竞争力。