多层复杂网络是在大数据时代表示具有特殊重要性的高维异构系统的合适模型。由于层间连接的存在,多层网络中的社区结构与由相同节点集组成的一组独立的单层网络相比发生了巨大变化。出于这个原因,多层网络中的社区检测作为一种无监督的学习任务,已经成为复杂系统中数据挖掘和分析的一个有趣的研究课题。同时,时间网络挖掘任务通常是难题,这是因为不仅需要面对大量的数据,而且这些数据都具有非固定的性质,通常情况下,它们的组织形式和特征都在随着时间变化而变化。本文的主要研究工作阐述如下:(1)提出了一个新型的多层网络社区检测算法。该算法是粒子竞争算法的改进版本。原始算法的设计是用于单层未加权和无向网络中的社区检测。本文中介绍的改进版本可以反过来应用于多层,加权和有向的网络。此外,还提出了一种局部测量方法,以确定对应于正确检测到的社区数量的最佳粒子数。计算机模拟结果显示所提出的技术相对于现有技术有更好的性能。(2)提出了一种遵循简化方法的时间网络模式和模式变换表示的方法。主要思想是将给定时间网络的每个稳定(持久)状态建模为新静态网络中的社区,并将其建模为:时间状态的变化表现成从一个社区到另一个社区的过渡。为了此目的,通过对原始时间网络进行采样和重新排列来构建称为目标网络的简化静态单层网络。关于人工模拟和现实世界网络的计算机试验结果符合预期的目的。