异常检测作为复杂网络理论研究中的一个重要问题,近年来受到了来自诸多领域研究学者的关注。以往对复杂网络异常检测的研究中,大多是将网络处理成静态图。然而许多实际的网络是随时间不断变化的,这些网络的结构和属性与时间有着密切的联系,这类含有时间属性的网络被称为时序网络。在理论研究和实际应用中,将时间属性考虑到复杂网络的异常检测中去,具有更加重要的现实意义。虽然已有不少研究学者对时序网络中的异常检测问题从不同层面进行了研究,但至今还没有研究者将时间尺度以及空间尺度考虑到时序网络的异常检测问题中去。基于以上问题,本文以复杂网络粗粒化及异常检测为重点研究内容,对不同时空尺度下的时序网络进行异常检测,重点分析研究不同时空尺度下的网络异常以及异常之间的关联关系。在时间尺度上,介绍了对时序网络进行时间尺度粗粒化的方法,并提出了对时序网络中的节点活动行为进行异常检测的方法。重点分析研究不同时间尺度下节点异常活动行为的差异以及相关性。实验结果表明:时间尺度对时序网络节点活动行为异常检测具有重要影响,在对时序网络节点活动行为进行异常检测时,应根据不同的需求和关注的重点,使用合理的时间尺度对网络进行异常检测。在空间尺度上,介绍了对网络进行空间尺度粗粒化的方法,并提出了对静态网络中的节点进行异常检测的方法。重点分析微观空间尺度与宏观空间尺度下异常节点之间的关联关系。实验结果表明:微观空间尺度与宏观空间尺度下的异常节点之间具有较强的相关性,微观空间尺度下的异常节点对宏观空间尺度下的节点异常具有重要影响。由于时间有限,本文只分析研究了单方面的时间尺度或空间尺度对网络异常检测的影响以及网络异常之间的关联关系,后续工作将考虑以时间尺度与空间尺度相结合的方式对该问题进行更为深入的研究。