1、隨著近年來計算機技術(shù)的迅猛發(fā)展，網(wǎng)絡(luò)的復(fù)雜程度以及數(shù)據(jù)量逐年增加。因此，可視化在復(fù)雜網(wǎng)絡(luò)的分析研究領(lǐng)域變得越來越重要。在許多的可視化方法中，依據(jù)社區(qū)發(fā)現(xiàn)進行可視化已經(jīng)成為一種趨勢，并且在復(fù)雜網(wǎng)絡(luò)研究領(lǐng)域取得了良好的效果。
　　本文對復(fù)雜網(wǎng)絡(luò)中的社區(qū)發(fā)現(xiàn)及可視化進行了研究，主要完成的工作有三部分。
　　第一部分是嘗試在復(fù)雜網(wǎng)絡(luò)社區(qū)發(fā)現(xiàn)的過程中通過引入模糊數(shù)學(xué)的思想，實現(xiàn)動態(tài)的網(wǎng)絡(luò)社區(qū)劃分，更好的展現(xiàn)網(wǎng)絡(luò)特性。本文選取了節(jié)點的度

2、中心性和接近度中心性作為節(jié)點重要性測度。在具體的實現(xiàn)過程中，應(yīng)用第一次F模式識別確定社區(qū)的核心影響力節(jié)點，第二次F模式識別確定非核心節(jié)點應(yīng)屬的社區(qū)，兩次F模式識別就可以完成社區(qū)的劃分，識別方法都是F模式識別的直接方法，使用最大隸屬度原則。
　　第二部分是嘗試應(yīng)用模糊數(shù)學(xué)思想，將兩種測度綜合考慮來實現(xiàn)社區(qū)發(fā)現(xiàn)。與單測度主要區(qū)別在于第二次F模式識別需要同時考慮兩個測度，因此需要采用F模式識別的間接方法，采用F集的貼近度進行識別。

3、>　　最后，本文提出了基于劃分結(jié)果的可視化方案，通過Processing語言搭建了可視化平臺。實現(xiàn)了以環(huán)形布局為基礎(chǔ)的環(huán)形嵌套布局和以力引導(dǎo)模型為基礎(chǔ)的牽引聚和布局算法。嘗試實現(xiàn)社區(qū)劃分結(jié)果的動態(tài)展示，方便對網(wǎng)絡(luò)特性的研究，并最終取得了良好的效果。
　　總而言之，本文不僅通過引入模糊數(shù)學(xué)理論成功實現(xiàn)了基于F模式識別的復(fù)雜網(wǎng)絡(luò)社區(qū)劃分，還設(shè)計并實現(xiàn)了可視化算法將劃分結(jié)果展示了出來。本文算法具備實用性的同時，也為復(fù)雜網(wǎng)絡(luò)可視化領(lǐng)域理論