复杂网络分析是目前的研究热门领域,作为复杂网络研究中的一个重要分支,链路预测不仅可以通过对网络结构信息的研究,挖掘和分析复杂网络的已知结构,在理论意义上帮助人们了解复杂网络的演化机制,也可以在实际应用中揭示各学科内的诸多实际问题。本文总结了复杂网络链路预测领域的方法,分析了影响链路预测效果的因素并讨论了链路预测的优化方法。首先针对输入网络数据的不完整性的问题,提出基于谱聚类的网络模糊节点识别技术,在不同连边残缺程度下,将网络中存在的模糊节点聚类并识别,通过对网络数据的预处理间接提高了链路预测的准确性。在总结现有链路预测研究的基础上,结合网络中节点本身固有的聚类倾向和科学合作网络的网络特性,提出了基于聚类信息的静态链路预测志标;针对时序网络的特性,提出了指数加权矩阵和局部路径加权矩阵两种网络处理方法,并将静态预测指标拓展运用到时序网络链路预测中。上述算法在多个实际数据集中进行了检验,取得了比传统方法更好的计算结果。