复杂网络中节点数量庞大、边连接多样,节点度分布呈现幂律且网络具有小世界、无标度等特性,这些特性与其拓扑结构紧密相关。当前,开展了基于节点度的复杂网络结构特性度量研究,如度量网络节点重要性用于网络抗毁性分析,识别网络中相似节点用于社团划分。但是,节点间连边方向性和权值差异性造成现有的节点重要性和节点相似性存在度量偏差。因此,本文开展复杂网络结构特性度量研究,针对不同特征的复杂网络构建不同模型,引入加权熵概念,分别设计算法开展复杂网络拓扑结构中节点相似性和网络抗毁性的度量研究。具体内容如下:首先,针对复杂网络特性不一,构建两种不同的复杂网络模型。其一针对复杂网络中各元素间存在不同方向关联关系、含有不同关联程度边,构建基于度和强度的有向加权复杂网络模型,定义节点一阶最近邻局部网络,用于后续有向加权复杂网络节点相似性度量研究。其二针对复杂网络中任意两节点间存在方向相反、权重相异边,构建基于双向异权边的复杂网络模型,定义节点双层邻居局部网络,用于双向异权复杂网络抗毁性度量研究。其次,针对节点间复杂的连接关系和多样的权重影响含有有向加权边的复杂网络节点相似性度量,设计有向加权复杂网络节点相似性识别算法。使用构建的基于度和强度的有向加权复杂网络模型,提取多指标决策概率集量化节点的结构特征设计基于节点一阶最近邻局部相对加权熵的节点相似性度量,评估局部网络中节点向外和向内的度和强度对其影响程度,在此基础上,提出网络相似性节点识别算法,度量有向加权复杂网络中任意节点间的相似性并识别网络中最相似的节点。再次,针对网络抗毁性度量方法不适用于具有双向异权边的复杂网络的问题,设计双向异权复杂网络抗毁性Top-k节点挖掘算法。运用所构建的基于双向异权边的复杂网络模型将局部网络中节点、边和结构信息集成到加权熵设计基于节点双层局部结构加权熵度量,揭示双层局部网络中初级结构和二级结构对其影响程度,并基于该度量提出双向异权复杂网络抗毁性Top-k节点挖掘算法,获取对网络抗毁性影响较大的重要节点。最后,针对提出的复杂网络节点相似性识别算法和复杂网络抗毁性Top-k节点挖掘算法,在不同现实复杂网络上进行实验,验证其有效性。结果表明,与其他三种经典方法相比,提出的复杂网络节点相似性识别算法不仅可以识别有向加权复杂网络同一模块中相似性较高的节点,且可识别网络不同模块中相似性较高的节点;同时,与其他三种经典方法相比,提出的复杂网络抗毁性Top-k节点挖掘算法精度平均提高了约28.3%。