1、復(fù)雜網(wǎng)絡(luò)研究作為一個新興的學(xué)科方向，極大地吸引了來自不同學(xué)科研究人員的廣泛關(guān)注，已成為學(xué)術(shù)界研究的一個熱點(diǎn)。人們生活在一個充滿著各種各樣的復(fù)雜網(wǎng)絡(luò)的世界中，這也使得研究復(fù)雜網(wǎng)絡(luò)成為必要。復(fù)雜網(wǎng)絡(luò)簡而言之即呈現(xiàn)高度復(fù)雜性的網(wǎng)絡(luò)，使得研究復(fù)雜網(wǎng)絡(luò)非常困難。復(fù)雜網(wǎng)絡(luò)隨著網(wǎng)絡(luò)規(guī)模和計算機(jī)技術(shù)飛速發(fā)展而出現(xiàn)社團(tuán)劃分方法。
　　聚類分析（ClusteringAnalysis）作為數(shù)據(jù)挖掘（DataMining）的一項主要功能和任務(wù)，在數(shù)據(jù)挖掘

2、和探查性分析中已成為一個非?；钴S的研究領(lǐng)域。面對海量數(shù)據(jù)，首要的任務(wù)就是對其進(jìn)行歸類，聚類分析就是對原始數(shù)據(jù)進(jìn)行合理歸類的一種方法。但由于聚類對象在高維特征空間分布的復(fù)雜性，聚類效果評價的不確定性和靈活性，以及聚類作為一個優(yōu)化問題求解的高計算復(fù)雜性，聚類算法仍然面臨著眾多的問題和挑戰(zhàn)。
　　本文的主要工作是：
　　(1)概述復(fù)雜網(wǎng)絡(luò)的研究現(xiàn)狀和研究意義，并且介紹數(shù)據(jù)挖掘中聚類和聚類分析及其相關(guān)的算法；
　　(2)重點(diǎn)介

3、紹層次聚類算法思想，分析其存在的問題，復(fù)雜網(wǎng)絡(luò)中作為聚類中心的節(jié)點(diǎn)不僅具有與同類其它節(jié)點(diǎn)較強(qiáng)的連接強(qiáng)度，而且與其相連的節(jié)點(diǎn)之間也具有較強(qiáng)的相互連接密度和強(qiáng)度，即具有較強(qiáng)的局部聚集性。本文借鑒復(fù)雜網(wǎng)絡(luò)中的節(jié)點(diǎn)中的綜合特征值CFi的定義，提出了相應(yīng)改進(jìn)算法的思路。在介紹Chameleon算法的基礎(chǔ)上，結(jié)合定義提出一種基于綜合特征值的Chameleon算法，在標(biāo)準(zhǔn)數(shù)據(jù)集中進(jìn)行相關(guān)實驗和效果分析；
　　(3)簡單介紹了復(fù)雜網(wǎng)絡(luò)中社團(tuán)研究現(xiàn)