在我们的寻常生活之中,复杂网络的用处有很多,比如可以用于许多复杂的系统的建模,然后便可以对其进行分析,比如我们会经常见到的流行病传播网络、航空网络、引文网络、计算机网络还有社交网络等等。复杂网络的出现改变了我们对复杂系统的认知,它的慢慢形成对我们研究平时难以驾驭的复杂系统有着极大的帮助。复杂网络在各个方面的研究也随之如火如荼展开了,特别是随着形形色色的社交网络的兴起和智能手机的发展,在线社交网络在各个方面的研究也随之进入了快速发展的时代。当前的学术界在研究复杂网络过程中遇到了一系列的问题,其中一个重要问题就是挖掘复杂网络分析中关键节点的方法。现有的文献中提出一些方法都是基于中心性的方式,都是以节点、度、介数、相关性、特征向量中心性以及网页排名等结构属性的重要性为基准的考量方式。在现如今的社会,信息的传播随着网络的发展更加快速,对复杂网络中的关键节点的选择将极大影响信息的传播成本和效率,衡量一个节点在网络中的重要性成为研究复杂网络的关键问题。而关键节点的选取对于信息迅速且高效地传播到网络的各处有着至关重要的作用。通过大量的阅读文献和考证资料,我们学习了大量关于复杂网络的理论知识并且研究了关于特征点集群方法在关键节点研究中的优劣。特征点集群方法的核心思想就是找出最大化连接其他节点的一系列节点集,通过节点集在网络中的权重大小判断节点重要性。而基于贪心算法的特征点集群方法在算法复杂度和效率上都有着相当大的劣势。在本文中,我们将着重于探究复杂网络的影响最大化问题(Influence maximization)。我们会从最基础的中心度开始延伸到特征点集群(key point player),接着探讨特征点集群的缺点和可以改进的地方,最后套入分群的概念,提出改进的基于分群特征点的方法,在线性阈值模型的基础上研究改进方法和原先方法的优劣,使得信息在复杂网络中的传播效率和最大化率之间达到平衡。