当今时代是信息时代。随着信息产业的迅速发展，复杂网络学科是近年来新兴的研究领域。在人类社会进步的今天，人们发现自然界和人类社会很多现实生活中的实际问题都可以用网络的拓扑结构表示出来，借助复杂网络理论解决问题，使问题更加系统化、直观化。对复杂网络的深入研究，可以帮助人们更好的了解网络、认识网络，使网络更好的为人类服务，推动复杂网络学科向前发展。首先，对青岛理工大学校友联谊总会网站数据库提供的校友信息进行预处理。根据高校中各个学院专业设置的特点，以及班长、团支书等班委在班级中起到的重要作用，从众多校友数据属性中选出几条有代表性的属性，借鉴公共交通网络模型space L方法和space P方法，构建ANL校友网络和ANP校友网络。然后，对构建的ANL和ANP校友网络的平均路径长度、聚类系数和度分布等基本网络特性进行分析，仿真结果证明了构建的ANL校友网络和ANP校友网络具备复杂网络的基本特性。其次，分析了复杂网络中重要节点的评估方法并应用于构建的校友网络，验证了班长、团支书等班委在校友网络和班级中的重要性；对基于互信息的重要节点评估方法进行了改进，计算节点度数大于平均度的节点信息量，同原算法相比改进后的算法缩短了计算信息量的时间，提高了算法运行效率。最后，对经典的社团划分算法进行了分析，对基于互信息的复杂网络聚类算法进行了改进，并对改进后的聚类算法进行了算法仿真，算法解决了N要如何选择的问题。提出了社团强度系数的概念，再此基础上改进社团发现算法，提出了基于社团强度系数的社团结构发现算法，借助经典网络对改进算法进行验证和应用性分析，仿真实验表明该算法的时间复杂度低于其他算法的时间复杂度，对社团结构划分有较好的可行性和通用性。本文主要构建了校友网络，验证并分析了其复杂网络特性，提出了基于社团强度系数的社团结构发现算法，并将该算法应用于校友网络中，校友网络被划分为若干个社团，证明了班长、团支书等班委在班级中的重要作用。