移动互联网的快速发展促使了许多在线社交网络及其相关应用的日益普及,使得社交网络在传播新闻和聚集公众意见方面发挥着越来越重要的角色。经过观察和研究我们发现真实的社交网络中存在很多由相似成员组成的社区,但是如何发现这些社区是一个值得研究的问题。对很多对象划分和模式分析方面的应用来说,谱聚类是一个重要的非监督学习的方法。为了解决社区发现的问题,提出了一个新的谱聚类算法,使用成对的距离矩阵的谱来对对象集合进行划分分组。已经证明,如果度量空间中的点可以与定义好的距离相关联的话,则成对的距离矩阵是几乎负定的,这意味着其最小负特征值的特征向量可以用于近似地解决二次方的对半划分问题。除此之外,还定义了两个评估划分质量的度量,用于特征向量的一维划分,进一步地应用到评估投影到所选择的特征向量空间中的数据点的划分结果。由于Lanczos迭代算法可以通过分布式的方式有效地计算出特征值,因此可以使用分布式的多代理框架将该新的谱聚类算法应用于网络社区发现问题。最后使用多种不同的基准数据集用来验证算法的有效性,分别使用了人工数据集,UCI Iris数据集,图像分割数据集和Karate club等数据集来对所提出的谱聚类算法的性能进行测试,实验表明该算法能够增强聚类的有效性。并且在将算法应用到社区发现问题上的时候,不用知道网络的拓扑结构,并且满足了用户隐私保护的需求,通过很快的收敛速度就能得到正确有效的结果。