火算法可有效发现网络结构的聚类分布情况,但在不同的网络中算法处理结果的准确性有待提高.为更精确地识别混合模型网络结构中的数据分布,解决混合模型易陷入局部最大值和收敛等问题,提出混合模型下雅可比矩阵退火算法.首先利用逆温度参数卢对模型进行初始化,然后迭代执行计算期望步骤和最大化步骤2个任务;采用雅可比矩阵计算模型的后验概率,直至算法达到设定的准确性或收敛.将建立的雅可比矩阵退火算法与半监督高斯混合模型下的逆模拟退火聚类算法在真实网络上进行对比分析.实验结果表明,基于雅可比矩阵的算法在混合网络模型中的;住确性更优.该算法不仅能防止陷入局部最优,而且能提高分析网络聚类分布的准确性.