复杂网络中普遍存在着一定的社区结构,社区结构反映了网络中节点的聚集程度,即以节点的聚集程度划分社区。近年来,随着复杂网络研究的快速发展,检测网络中的社区结构可以更好的发现和分析网络的特性。在许多检测社区结构的算法中,谱划分方法将最大化模块度的过程转化为矩阵的谱问题,降低了算法的复杂度,也得到了较好的划分结果。基于此,本文提出了基于边聚类系数的谱聚类方法对社区进行划分,并在真实网络数据中进行实验。本文的主要内容如下:(1)介绍了复杂网络的研究背景、研究意义、基本概念以及谱聚类方法。对基于Laplace矩阵的图划分方法进行分析,将图划分问题转化为了Laplace矩阵中的特征值与特征向量的求解问题。(2)通过对复杂网络社区中节点分布的特点进行分析,可知处于社区内部的节点之间的连接比较稠密,而社区之间的节点连接通常比较稀疏,聚类系数即是这一特点的良好诠释,其中边聚类系数说明了节点的邻接节点之间的连接关系。基于此,提出了基于边聚类系数的谱聚类社区划分方法:基于网络中社区内部的连边较社区间被较多的三角形所包含,定义了聚类系数矩阵与增益函数,并对矩阵的特征值与特征向量进行划分,从而达到社区二分,最后,通过在真实网络数据中实验,验证了本方法的可行性。