在信息技术发展突飞猛进的今天，互联网的重要地位不言而喻。网络中的路由器拓扑结构反映了网络中路由器之间的连接关系，是分析和研宄互联网的重要课题。　　目前已有的路由器级别拓扑识别方法主要依靠传统协作测量搜集原始数据，通过对原始数据分析、做别名解析等处理恢复出路由器级别拓扑。这些方法对匿名路由器的处理能力有限，无法准确地识别匿名路由器拓扑，进而对整个路由器级拓扑的精度造成影响。因此，针对现有方法的不足，本文提出了把传统的协作测量和层析成像结合起来，并加入自适应多中心聚类算法来解决匿名路由器的识别问题。本文的主要工作和创新点概括如下：　　(1)针对拓扑识别中的匿名路由器问题提出了新的匿名路由器识别方法，重点在于解决匿名路由器中的多径问题。该方法的主要思路是把传统协作测量与网络层析成像相结合，并在此基础上加入基于自适应多中心聚类方法来处理层析成像所得数据，聚类的目的在于获取匿名路由的路径数量，通过对网络层析成像数据计算相关度向量，再对这些相关度向量进行聚类可以比较精确地得到多径匿名路由中的路径数目。而由于拓扑未知，聚类前无法得知路径数目，本文采用对最大最小距离法改进而得到的自适应多中心聚类算法。再通过层析成像得出的共享路径信息，最终完成对多径匿名路由器的识别，从而协助构建路由器级拓扑。　　(2)针对平行结构和星型结构两种最为广泛和典型的匿名路由器拓扑结构将本文提出的新方法应用其中。详细分析了每种结构中可能出现的各种情况，讨论其拓扑结构用本文所提出方法识别的可能性及解决方案，并针对各自特点分别总结归纳得出一个结论，基于该结论分别得出一套拓扑识别流程。最后在较大的实际网络拓扑中对本文的方法进行了验证。　　本文使用理论数据和CAIDA提供的真实网络测量数据对提出的方法进行了实验验证，实验结果表明，本文提出的方法能够有效地解决多径匿名路由器问题，识别和分析出准确的路由器级拓扑，并且对于平行结构和星型结构两种典型情况，本文的方法取得了较为理想的结果。