复杂网络是指具有小世界和无标度特性的网络。互联网的爆炸式增长,使生活中的各个领域都可抽象为复杂网络,如社交关系网络、生态网络、论文合作网络和犯罪网络等都具有复杂网络的特性。链路预测有助于理解和认识网络结构。因此复杂网络中链路预测的研究具有极其重要的意义。针对链路预测仅仅靠节点的局部信息预测精确度较低的问题,本文提出一种基于节点度的二级邻居节点的链路预测算法和基于加权平均聚类系数链路预测算法。首先,在无权网络中,针对现有链路预测算法精确度低的问题,提出基于节点度的二级邻居节点的链路预测算法。通过加入二级邻居节点的的计算,解决了二级邻居节点在网络中的重要性问题。同时,在计算未连接的两个节点链接可能性时,考虑到不同的共同邻居节点贡献度不一样,引入节点度作为惩罚因子。其次,在无权网络中,为了区分节点之间的相互作用和多级节点的不同贡献,提出基于加权平均聚类系数的链路预测算法。通过引入基于度相同的平均聚类系数作为连边权重,解决了网络中两个节点之间相互作用强度的问题。同时,考虑到节点之间具有传播性,未连接的两个节点可以通过相邻节点传播消息,由于路径越长,传播强度越弱,所以只考虑二阶路径和三阶路径的传播作用。最后,将基于节点度的二级邻居节点算法和基于加权平均聚类系数算法,分别在真实的数据集上与其它经典算法进行比较并且验证了本文提出算法的正确性和有效性。