复杂网络是由大量节点以及节点之间纵横交错的关系共同构成的网络结构,其广泛存在于自然界和社会系统中,研究发现,社区结构是复杂网络的重要特性之一。复杂网络聚类的目的是发现网络中普遍存在的社区结构,从而揭示复杂网络的内在属性,对现实系统具有重要的指导意义。首先,在研究密度聚类算法的基础上,针对其无法有效利用先验知识的问题给出了半监督密度聚类算法。算法通过约束对集合来表示先验知识,根据Must-link的对称性和传递性对先验知识进行扩展从而得到所有隐含的约束信息,算法在约束关系的指导下修改密度聚类算法的节点划分规则进而得到满足联通性和最大性的社区结构,提高聚类准确率。其次,在研究半监督聚类算法的基础上,针对其无法自主获取先验知识的问题给出了主动密度聚类算法。算法通过比较节点之间相似度的极值来获取监督信息,通过尽可能少的代价来覆盖全部社区及其边界信息。将这部分主动约束信息引入到半监督密度聚类算法中,以提高随机半监督密度聚类算法的聚类准确率。最后,通过仿真实验验证本文算法的效果。分别在真实网络和模拟网络上将半监督密度聚类算法和其他两个半监督聚类算法进行对比,实验结果表明本文给出的半监督密度聚类算法在聚类准确率和时间上都优于其他两个算法。而且,引入主动密度聚类算法后进一步提高了半监督聚类算法的聚类准确率。