复杂网络是复杂系统的基本结构,也是研究复杂系统的工具。其具有很强大的描述能力,被人们广泛应用于各个学科领域的复杂系统建模中。近年来,研究者们发现不同学科领域的复杂网络都存在着社团结构特征,并且寻找到这些社团结构,有助于分析复杂网络的各种特性。随着新的应用领域被不断拓展,复杂网络的拓扑结构和性质更为复杂,这对社团寻找算法的效率和准确度提出了更高的要求。虽然现有的社团寻找算法很多,但是能够有效刻画实际网络特征,并将网络中的社团结构快速准确寻找出来的算法并不多。本文提出了一种基于主成分分析的高斯混合模型社团寻找算法。在该模型中,假设同一个网络中的不同社团结构是由不同的高斯模型生成的,即不同社团其生成机理也不一样,这样的假设更加符合实际的社团生成原理。对于模型中的参数本文利用期望最大化算法(Expectation Maximization Algorithm,EM算法),进行求解。由于复杂网络规模庞大,降低算法时间复杂度是研究的重点,所以在算法进行之前,本文特别地引入了主成分分析,对邻接矩阵对应的列向量进行降维处理,以降低后续的计算时间。通过对一系列经典的实际网络例子进行实验,可发现和现有的社团寻找方法相比,本文的模型更加灵活,可以用来处理不同类型的网络,如加权网络,有向网络、重叠网络等,同时,本文算法得到的结果更加精准,符合网络的实际划分。利用主成分分析对网络的邻接矩阵降维,如果主成分贡献率达到百分之九十以上,那么对于最后的计算结果几乎没有什么影响。这使得本文的算法能够用于处理大型的复杂网络,例如基因网络,互联网络,社交网络等。