基于SDN的天地通信网络在日新月异的蓬勃发展,并在逐步扩大其在民用领域的应用与实践,必然需要面临网络用户激增、数据量激增的问题,然而针对基于SDN的天地通信网络存在时间域、空间域、频谱域的多重不稳定性与不连贯性,目前其面向网络用户角色识别算法的工程实现性却远远不如陆地移动通信网、互联网、物联网、电视网等领域的网络用户角色识别,因此研究、优化并完善现有的天地通信网络用户角色识别非常有必要。天地通信网络用户角色识别首先要对大量特征不明显的用户进行聚类,然后通过分析用户关系识别用户角色。针对当前聚类方法主要通过抽样进行聚类,样本量不足以反映大量的、全部的用户特征,导致结果存在较大误差的问题,在CUER算法中引入区间数距离,结合Map/Reduce机制,提出基于区间数距离的并行聚类方法,先将全部用户划分为多个子类,然后对子类进行初始聚类(从相似行为的角度),再对初始聚类的结果进行综合聚类,这样既能避免抽样聚类导致结果存在较大误差,又能提高聚类实时性。针对目前用户识别算法面向大量用户时,不能分辨出全部的关键用户,并且识别准确率低的问题,提出基于关系的天地通信网络用户角色识别方法,首先利用HBACA算法(混合蚂蚁算法)查找或识别不同元素关系能力强的特性,提取网络事件中的用户关系,主要是通过在搜索蚁的行为特性中混入侦察蚁的行为特性,即搜索蚁在搜索过程中,会找到侦查蚁已经标记的信息素进行重复标记,将重复标记的信息素链路作为用户关系网,进而识别出网络用户的关系;然后,在网络用户关系中计算每个用户节点的点度中心度、紧致中心度和节点活跃度,根据天地通信网络用户在网络事件中的重要或关键程度,将用户划分为关键用户、重要用户和一般用户,提出了天地通信网络用户角色的判定准则。在以上研究基础,设计了天地通信网络仿真系统,进行综合仿真实验,实验结果表明改进算法的有效性和可行性。本文的研究成果可以进一步增强天地通信网络用户角色识别准确性和效率,可为后续的网络控制、数据深度挖掘等方面研究奠定基础。