复杂网络作为一门结合了数学、物理学、计算机图形学和社会学等多种知识的新兴技术,是21世纪各领域研究人员关注的一个重点。复杂网络由大量的节点和边组成,绝大部分真实网络都由一些内部连接稠密而彼此之间连接稀疏的节点群组成,即具有社团结构。社团探测是复杂网络理论的一个重要研究方向,帮助人们从中观角度了解复杂系统及其代表的各种现象。Newman快速算法与标签传播算法是两种经典的社团探测方法,由于探测速度快且不需要预先指定社团数目,得到了普遍的关注。社团探测方法的应用多在于真实网络聚类,对于聚类问题的另一大分支——数据聚类则研究甚少,而数据聚类一直是解决船舶柴油机故障诊断问题的一个重要手段。船舶柴油机是船舶的心脏,利用Newman快速算法和标签传播算法的优势解决船舶柴油机故障诊断问题对维护航行安全有着重要意义。本论文从实际应用的需求出发,研究了标签传播算法的推广与改进策略和基于社团探测理论的船舶柴油机故障诊断方法,主要研究工作包含以下几方面内容。1.利用Newman快速算法在聚类问题中自行确定类数的特点,提出基于Newman快速算法的船舶柴油机故障诊断方法。以样本为节点、样本间相似度为边权,构建有权无向的复杂网络,并以Newman快速算法中的准则函数作为自底向上的层次聚类的准则函数,建立聚类方法模型,对船舶柴油机故障样本进行数据聚类,并使用聚类结果对待识别样本进行故障类型识别。诊断实例和影响因素试验结果表明,该方法对类数等初始条件要求低、运行时间短、准确率高且具有一定的稳定性,能够识别出历史数据中不存在的故障类型。2.为提高标签传播算法的实用性,推广了标签传播算法,使其适用于有权网络,从而能够用于船舶柴油机故障数据聚类。通过分析得知标签传播算法的三个关键因素为标签初始分配、标签传播规则和传播终止条件,根据多重边的原则计算两相邻节点同社团的概率,加权了标签传播规则和标签传播的终止条件,从而将标签传播算法推广到有权情况。网络社团探测试验结果表明,推广后的标签传播算法适用于有权网络社团探测；同时经典测试数据集和柴油机供油系统故障数据集的聚类试验结果表明,推广后的标签传播算法适用于数据聚类。3.针对标签传播过程中容易出现平凡解的问题,提出了基于逾渗转变预测过程的标签传播算法。原标签传播算法的随机性导致了平凡解的出现,影响了算法的速度和准确性。通过转化标签传播过程为网络构建过程,将随机网络生成过程中的逾渗转变现象与平凡解的出现联系起来,从而通过在标签传播过程中添加逾渗转变的预测过程来减少平凡解的出现。推广邻居纯度的概念到有权网络,并给出考虑被更新标签的节点度的不完全更新条件来节省计算时间。网络试验结果表明改进后的标签传播算法对小社团的敏感度与解的稳定性,不完全更新条件使算法更加省时；船舶柴油机故障数据集上的聚类试验结果表明,改进后的算法不容易遗漏规模较小的类,对故障诊断中样本不均的情况同样适用。4.针对故障诊断过程中单次聚类方法容易引起信息损失,多重聚类方法需要调节预设参数或方法的问题,利用标签传播算法可能获得多种解的特点,提出了基于多次标签传播的船舶柴油机故障诊断方法。使用改进后的标签传播算法对船舶柴油机的故障数据多次聚类,整合得到的多个结果或确认得到的唯一结果作为最终聚类结果,利用得到的聚类中心判断待识别样本类型。诊断实例和影响因素试验结果表明,该方法无需修改预设参数,信息损失较单次聚类少,运行时间短且具有较高的准确率和较好的稳定性,能够识别出历史数据中不存在的故障类型。