复杂网络的网络结构多种多样,随着社会科学的发展,人们逐渐认识到一种相依网络的网络结构在我们生活中是十分常见的存在,并逐渐成为了近些年来复杂网络领域新兴的研究热点。当前,人们对相依网络的研究主要集中在相依网络的鲁棒性研究方面,在相依网络的其它方面研究相对较少,比如社区发现领域的研究。并且在众多相依网络的鲁棒性研究方法中,大多也没有考虑相依网络的相依特性。针对这些问题,本文进行了以下研究:本文对相依网络的鲁棒性进行了的深入研究分析,在负荷-容量模型的基础上,充分考虑相依关系对模型中节点负荷及容量的影响,提出了一种新的负荷计算方法。同时,本文还构建了多种类型的相依网络,并将提出的负荷-容量模型运用到这些相依网络中,探讨影响相依网络鲁棒性的各种因素。研究表明:在本文提出的负荷-容量模型下,不同负荷影响力参数鲁棒性曲线随着容忍参数的增加,会相交在一个近似的“汇聚点”附近;高度数与高度数节点耦合和高介数与高介数节点耦合的耦合方式鲁棒性最高;相依网络鲁棒性随着容忍参数的增加对耦合强度的敏感度有一个从高到低的变化过程。本文提出一种适应相依网络的社区发现算法,该算法通过Leader Rank算法计算节点重要性,在COPRA算法上进行改进。经过实验验证,该算法在相依网络上相对于COPRA和CPM算法能够取得更好的社区划分效果。并且相对COPRA算法提高了算法的稳定性。相对CPM算法在大型稀疏网络上具有更好的适应能力。本文还构建了云南省少数民族居住地-民俗文化相依网络。并将本文所提算法应用于该网络,划分了几个重要的少数民族地区分布社区和民俗文化影响社区,帮助人们了解云南省少数民族的地域分布,以及构建新型旅游文化区。对相依网络的鲁棒性进行研究,有助于人们构建抗破坏能力更强的相依网络,具有重要的研究价值。通过对相依网络进行社区发现研究,可以帮助人们发现网络中重要的社区结构,具有重要的现实意义。本文研究具有一般性,可以推广到不同类型的相依网络中,包括仿真网络和真实网络。