随着社会生产力水平的不断提高,人们已渐渐不再满足于眼前的物质生活水平。互联网出现极大的丰富了人们的生活方式,人们只需居于一室之内,便可知天下事,见天下物。然而互联网的发展方向的复杂多样性,不仅使得网络管理人员对于网络行为的掌控力度逐渐变得捉襟见肘,也使得对网络知识一知半解的网络用户面临着层层隐患。因而对于网络行为的准确计算方法的研究迫在眉睫。网络中的行为是由用户与用户之间进行数据交互产生的,因此网络行为无法独立于单个用户而存在。组成某种网络行为的多个用户之间存在较多的数据连接,这一现象在网络拓扑结构图中表现为一种社团聚类现象。因而,采用复杂网络聚类算法将网络中的用户节点分成不同的行为子簇,可以使得网络中的处于同一行为模式的用户节点相互聚集;再对每个行为子簇进行行为标注即可完成对网络行为进行计算的目的。基于以上理论,本文通过对复杂网络聚类算法和网络行为子簇的连接特征进行调研,提出了一种基于聚类算法的网络行为计算方法。本文的主要研究内容如下:(1)通过对微粒学的粒子松密度的研究,将粒子松密度的概念与网络中节点与边的系数情况进行类比,提出了一种基于粒子松密度的复杂网络聚类算法;(2)针对网络中不同行为模式的连接特征,分析出各个行为模式中的不同节点的重要性分布情况,并根据这一理论提出了节点重要性分布情况与不同行为模式之间的映射关系;(3)将网络行为模式中的连接关系抽象为通信系统模型。根据通信理论,提出一种基于相对信息量的用户节点行为计算模型。