近年以来,随着生物学的不断发展,推动了人类基因组计划的顺利完成,与此同时,系统生物学和蛋白质组学的研究也在不断的深入。因此,如何基于已知蛋白质相互作用网络的结构及生物特性,研究蛋白质复合物及其功能特性成为当下的一个研究热点。蛋白质复合物识别的算法就是用来解决这一问题,通过该方法可以挖掘有生物意义的蛋白质复合物,预测未知蛋白质的功能。本文详细介绍了蛋白质复合物识别的基本研究方法,主要包括基于图划分方法、基于层次的方法以及基于生物信息融合的方法。在此基础上,对蛋白质相互作用网络的结构为基点,结合了蛋白质复合物自身结构特点,提出了两个新的复合物识别算法。(1)提出了一个基于语义相似度的蛋白质复合物识别算法。由于目前多数复合物的识别算法是作用于无权蛋白质网络上,没有考虑到蛋白质之间固有的生物特性,这会对复合物识别的准确率产生了较大的影响。因此,本文提出了一种基于语义相似度的聚类算法---DSC算法。该算法首先构建蛋白质加权网络,在无权网络上基于边的聚集系数识别蛋白质复合物。实验证明,该算法取得良好的实验结果。(2)提出了一个基于关键节点分层扩展的蛋白质复合物识别算法。针对传统算法侧重于网络整体的拓扑结构,忽略了对复合物自身结构特点的研究。本文采用了网络关键节点选择、多层次扩展的方法来识别蛋白质复合物的方式。在分层扩展的过程中,使用我们构造的加权相互作用网络,以节点之间的语义相似度作为扩展的基础,提出了基于关键节点分层扩展的蛋白质复合物识别算法---KNHE算法,并将其应用在蛋白质加权网络中。由于算法充分考虑了已知关键蛋白质的重要性以及复合物自身的结构特点。实验结果显示,该算法在敏感性、特异性等方面都有很大的提升,实验取得了良好的结果。本论文提出的两个蛋白质复合物识别算法从不同角度出发,有效的解决了识别率低的问题,而且算法具有很好的聚类效果,识别的复合物普遍具有生物意义。