复杂网络是由一些相对独立且相互交叉的社区结构组成。社区结构的研究能帮助我们了解和分析网络的性质。社区结构研究中首要且最基本的问题是社区检测。近年来,社区结构检测成为网络分析的研究热点。因此,学者们也提出了很多有关社区结构检测算法。在这些有关算法中,谱划分算法将算法的最终问题转化到矩阵的特征值和特征向量上,降低算法复杂度的同时也获得了令人满意的划分结果。基于此,本文提出了基于节点聚类系数的网络社区结构发现算法和基于桥系数的谱聚类社区检测算法这两种谱聚类算法。本文的主要工作安排如下:（1）提出了基于节点聚类系数的网络社区结构发现算法。算法研究了节点聚类系数与网络社区结构之间的关系。首先,利用给出的CCE规则引出相似度矩阵,即网络密度矩阵。然后通过网络密度矩阵来构造Laplace矩阵,并推导出基于节点聚类系数的网络社区结构发现算法。最后,在真实网络数据集中进行实验验证,实验结果证明了算法在获得令人满意的划分结果的同时还提高了时间效率。（2）提出了基于桥系数的谱聚类社区检测算法。算法研究了桥系数与网络社区结构之间的关系。首先,由最大团桥系数引出聚类矩阵。然后通过聚类矩阵来构造Laplace矩阵,并推导出基于桥系数的谱聚类社区检测算法（BRI算法）。最后,在真实网络和人工网络这两种数据集中进行实验,验证了将桥系数引入社区检测算法可以有效的将网络划分成有意义的社区结构,且划分结果接近真实网络划分。