随着复杂网络理论研究的不断深入及在各领域的应用,其所具有的社团结构特征吸引了广泛的关注。寻找和分析复杂网络的社团结构对于反映和理解整个网络的构成和功能有重要的意义。本文主要研究社团结构检测问题,提出了基于谱分析法和近邻传播的算法、基于局部发现的算法两种检测方法,并建立了可视化实验平台。　　 本文对传统的Normal矩阵谱分析法及近邻传播算法进行了研究。传统的Normal矩阵谱分析法在网络社团结构不明显的情况下难以得到理想的结果,针对这个问题,提出了一种基于谱分析法和近邻传播的社团检测算法。该算法采用近邻传播算法对多个Normal矩阵特征向量的元素进行聚类分析,根据聚类结果来获得整个网络的社团检测结果。这种基于谱分析法和近邻传播的算法在无需预先知道社团数目的前提下对于社团结构不明显的网络也具有较好的检测效果。针对目前部分算法时间复杂度较高、无法对大规模网络进行检测的问题提出了一种基于局部发现的社团结构检测算法。论文设计了一个用于快速寻找指定节点社团成员的局部社团检测算法,通过对该算法进行扩展,不断将检测出的局部社团成员从网络中移除来进行网络整个社团结构的检测。这种基于局部发现的社团检测算法在不需要预先知道社团数目的基础上具有较好的时间复杂度,并且检测效果也比较理想。设计和实现了一个可视化实验平台,该平台能够对社团检测结果进行可视化显示,并计算相应数据。使用该平台将论文提出的两种算法与GN算法、CNM算法进行对比,实验数据表明,基于谱分析法和近邻传播的算法在无需预先知道社团数目的基础上无论网络的社团结构是否明显都具有较好的检测效果,基于局部发现的算法具有很好的计算效率、无需知道社团数目并且检测效果也令人满意。