复杂网络已成为近两年研究的热点,他可以描述自然界中存在的大多系统。目前两类最典型的复杂网络特征是小世界现象和无标度特性。本文将统计方法与数据挖掘结合起来,对复杂网络建模进行了研究。重点研究对象是复杂网络的拓扑建模与拓扑优化。这些无论是在理论研究中,还是在实际应用中都有重要的意义。复杂网络是由多种多样的系统组成,然而在现实世界中的复杂系统又是由成千上万个个体单元互相交互关联而组成,将个体单元抽象为网络中的顶点,把他们单元间的交互关系抽象为网络的边,由此就可以通过研究抽象生成的网络结构来分析原系统的功能和性质。近些年来,复杂网络研究者在这些方向上也取得了重大的进展。本文使用统计的方法分析方法,建立新的网络模型来模拟现实网络数据,希望能够对预测网络上的传播动力学现象有所帮助。具体的研究工作概括如下：深入的分析复杂网络小世界现象和无标度特性。小世界现象客观的揭示了复杂网络运动中最为有效的信息传递模式之一,即一个高度聚集的包含局部链接的子网,还有一些有利于产生短路径的随机链接。一般认为,如果网络的聚类系数远远大于相对应的随机网络,然而平均路径又相当,则认为该网络具有小世界现象。小世界现象的重要指标就是聚类系数和平均路径长度。对于无标度网络,如果节点度满足幂律分布,那么就认为这个网络为无标度网络。幂律分布与泊松分布和高斯分布不同,前者尾部下降很慢,后两者尾部呈指数下降。由此可以推断出有可能会出现网络中心节点。通过对无标度网络模型的研究,从新的角度对网络建模提出一些看法。最后提出了一个假说,并在一些层面上进行了论证。