在现实世界中复杂网络无处不在，如万维网、交通网络、科学合作网络、电力网络、人际关系网络、细胞神经网络及传染病网络等。这些复杂网络都是由现实中的复杂系统抽象而来。因此，对于研究复杂系统有着重要的意义。随着复杂网络研究的深入，人们发现复杂网络的一个重要特征就是社区结构，即网络由不同的结点组组成，组内结点之间的边多而组间结点之间的边相对较少。发现复杂网络中的社区对于理解复杂网络的结构，进而认识复杂网络的规律和功能有着重要的意义。因此当前网络社区发现应用于生物学、物理学、计算机图形学和社会学中，得到众多学者的广泛关注。　　在复杂网络的研究中，人们发现了实际复杂网络的分形特征，即复杂网络和其局部有统计意义上的自相似性。本文通过复杂网络的分形特征的研究，旨在用于复杂网络的社区发现，并用实验证实了该方法的可行性。本文的主要工作有:首先，定义了复杂网络的关联维数，并进一步用它证实了实际复杂网络的分形特征;其次，依据计算分形维数的重正化过程，提出了一个基于重正化的复杂网络社区发现算法，并在实际网络中验证了该算法的有效性;最后，在前面工作的基础上，结合复杂网络的多尺度特征，以重正化过程作为调节尺度的工具，提出了一个基于尺度变化的增量式动态网络社区发现算法，用于解决动态复杂网络的社区发现问题，并通过实际数据集验证了本文方法的有效性。　　因此，本文将复杂网络的分形特征用于复杂网络的社区发现方法，具有重要的理论和实用价值。