计算机大规模处理数据有多种方式,伴随着因特网的普及和云计算的高速发展,网络与计算机更紧密的结合在了一起。在庞大的网络环境中散布着大量的处理终端和服务器,发生错误或者物理性故障是不可避免的。如何在发生故障时依靠网络系统自身的能力进行错误判别,并且不额外增加系统资源的投入和消耗就变得非常具有现实意义。应用图论中的无向图理论对计算机网络进行抽象分析是普遍的方法。将网络中的处理器抽象成顶点,将通信链路抽象成无向边,即可构造出系统所对应的图。如果系统中某些处理器或者服务器错误,那么如何通过一定的算法将错误节点查找出来就是网络诊断问题。这一类算法已经有过比较深入系统的研究,可以应用于复杂网络系统的诊断,也可以应用于多处理器系统的诊断。对于一些特殊网络拓扑结构的研究比较成熟,比如超立方图Qn就已经在IBM大型机上得到实际应用。扩展超立方体EQn.k是经典的超立方体网络Qn的一种改进和推广,广义立方体Q（d₁,d₂,…,dn）是网络拓扑结构的更一般化的推广。他们不但继承了超立方体网络的优点,还在某些方面大大的改进了网络性质。本文通过对小规模图进行分析归纳找到规律,再通过严格的数学证明来研究上述两类网络拓扑结构的诊断性质,得出诊断度：（1）当n≥3,k≥3的情况下,EQn.k的条件诊断度为4n-3。（2）当n≥3,k=2的情况下,EQn.k的条件诊断度为4n-7。（3）当d2≤2d1的情况下,有t。（d₁,d₂）)=2d₁+2d₂₇。（4）当d2≥2d1+1的情况下,有t。(d₁,d₂=3d1+d₂-₇。