摘要：复杂网络的研究在许多领域和学科都倍受关注。众多研究表明,在现实世界中很多复杂网络有相同的结构特性,如小世界性、无标度、社团结构。社区结构是复杂网络中普遍存在的拓扑结构特性。复杂网络的社团结构有助于理解网络结构和分析网络特性,具有非常重要的实际意义。社团结构划分是将网络分割成由节点组成内连接紧密外连接疏松的社团。现有的社团划分算法都是基于结点和边的密集度,而没有考虑结点对象的相似度,但在现实网络的社团中在同一个社团中的节点相似度更高。为更接近真实网络的社团划分,本文定义了相似紧度的概念,提出了一个基于局域相似紧度的社团发现算法。根据结点是否可分配到多个社团,基于局域相似紧度的社团发现算法可以将网络划分为非重叠社团和重叠社团。同时为适用于动态网络,提出了基于事件的社团演变算法,将网络的变化作为事件,对不同的事件采用不同的策略,将相似紧度函数用于发现事件引起的局域社团变化。在真实数据网络和合成的基准数据网络上,对本文提出的社团划分算法进行比较和分析。实验结果表明,基于局域相似紧度的社团发现算法在进行非重叠社团划分和重叠社团划分成都具有非常好的精度,更接近于真实社团划分；基于事件的社团演变算法能够发现网络社团结构的平稳变化,具有非常高的时间效率。图32幅,表3个