复杂网络是复杂系统的抽象,现实世界中存在许多介于完全规则和完全随机之间的网络模型,这些网络被称为复杂网络。研究表明社区结构是复杂网络的重要特征。在网络呈现海量化、复杂化的背景下,全局社区发现越来越困难,局部社区发现算法的研究有着广泛的学术和应用价值。局部社区发现是从给定节点出发,利用有限的局部信息快速的发现局部社区结构,其摒弃了全局社区发现带来的高昂时空开销。本文针对当前局部社区发现算法存在的问题主要进行了如下研究:1.当前算法社区发现结果对初始给定节点的选取敏感,在同一社区内,从不同节点出发,其最终所发现的社区差异较大。其次,一些算法以最优化社区模块度指标作为选取节点的依据,其对社区带来的模块度增益受评价指标的影响较大,使得算法易陷入局部最优的陷阱。基于此,本文提出了一种基于最大簇的局部社区发现算法,在真实网络中进行实验,结果表明本文算法能够有效的发现局部社区结构。2.当前算法存在选取待合并节点时仅考虑了与局部社区的连接情况而没有考虑到其和社区外部的连接情况的问题。这一问题使得局部社区发现算法易引入异质结点,使得所发现的局部社区准确性得不到保障。其次,一些算法采取使用一次合并一个节点,将满足能够改善社区内聚指标的节点加入到社区中,这一策略使得算法偏向引入度数较大的节点,从而影响社区发现的效果。针对这一问题,本文提出了一种基于节点对的局部社区发现算法。这一算法考虑了待合并节点的内外连接情况并制定合理的节点选择和节点聚拢策略,在真实网络中进行实验,对比其他几种算法表明,本文算法提高了社区发现质量。