社团结构作为复杂网络的普遍特征对分析复杂系统具有重要意义。由于真实网络是动态变化的,动态社团检测方法近年来获得广泛关注。本文提出一种多相似性协同训练谱聚类方法用于动态网络社团检测,该方法首先协同训练多种相似矩阵构造新的相似矩阵,然后通过演化聚类思想融合历史信息。最后,将提出的动态社团检测方法应用到人工生成数据集和真实网络中验证方法的有效性和准确性。本文的主要研究工作如下:(1)提出一种多相似性谱聚类方法用于静态网络社区结构检测。目前存在多种度量节点间相似性的方法,不同的度量方法可能会导致聚类结果有较大差异。本文借助协同训练思想融合已有的多种相似性度量方法,构造出新的相似性矩阵。(2)在实际复杂网络中,网络节点及节点间关系具有时变性,现存的动态社团检测算法多采用两步策略或演化聚类。本文基于演化聚类框架,提出了一种动态协同训练方法以融合动态网络中的多种相似性度量。(3)为了更好运用到真实网络中,提出了一种直观的方法自适应选择演化聚类中的平滑参数。并将提出的动态协同训练方法扩展到结点和社区个数可以随时间变化的情景中。(4)将上述方法应用到人工生成数据集和真实数据集中,对比了经典的基准模型,实验结果表明提出的方法大多情况下都可以得到较好的实验结果。