现实世界中的很多真实系统可以用复杂网络来刻画,为了研究的方便,将其构成单元抽象为复杂网络的节点、单元之间的关系抽象成复杂网络的边,研究这些复杂网络能让我们更好地认识世界,因此对复杂网络的研究越来越受到各学科的重视,但是许多网络的结构往往是未知的,所以网络重构显得尤为重要。网络重构主要从节点的动力学产生的数据找出节点间的关系继而推断出网络结构。基于复杂网络的二状态动力学可以描述现实生活中的很多现象,所以已有部分基于二状态动力学重构网络的方法,然而已有的工作通常有两个假设:(1)需要知道激活态。(2)利用单向转移概率重构网络。许多二状态动力学,如演化博弈模型中的合作、背叛态,观点动力学模型的支持、否定态,它们很难定义哪一态为激活态,此外,对于有双向转移概率的动力学模型,如果只考虑单向转移概率,使得许多数据未得到充分利用从而造成重构精度大打折扣。本文通过舍弃这两个假设,基于统计推断框架提出了一个广义的EM算法(简记为,GEM)用来重构具有二状态动力学的网络。本文的主要研究工作如下:1.本文主要提出了一个仅仅基于使用少量二状态动力学观测数据假设下的广义统计推断方法来估计网络拓扑结构。与通常的需要知道激活态、且以单向转移概率预测网络拓扑结构的重构方法不同,本文的方法更具有一般性。我们首先提出一个判断给定动力学属于哪种情形的标准。然后若该动力学属于单向动力学,我们可以自动识别激活态,继而使用EM方法重构网络。对于双向动力学,则结合双向转移概率使用本文提出的GEM方法进行重构。2.用6个不同类型的动力学模型在一些真实网络和生成网络上进行仿真实验,且与以前的一些方法作比较,结果表明了广义统计推断方法明显提高了重构精度,同时本文还考虑了噪声的情况,进而证实了该方法的鲁棒性。