摘要：社區(qū)結(jié)構(gòu)是復(fù)雜網(wǎng)絡(luò)最重要的一種結(jié)構(gòu)特征。復(fù)雜網(wǎng)絡(luò)中的社區(qū)結(jié)構(gòu)研究主要包括社區(qū)發(fā)現(xiàn)與關(guān)鍵節(jié)點發(fā)掘兩個重要問題。基于節(jié)點中心性的社區(qū)發(fā)現(xiàn)算法可同時進(jìn)行關(guān)鍵節(jié)點發(fā)掘與社區(qū)發(fā)現(xiàn)。針對傳統(tǒng)局部Fiedler向量中心性(LFVC)算法存在關(guān)鍵節(jié)點識別準(zhǔn)確率低,進(jìn)行社區(qū)發(fā)現(xiàn)時易出現(xiàn)孤立節(jié)點等問題,提出了節(jié)點局部Fiedler向量中心性差值社區(qū)發(fā)現(xiàn)算法(CDDN),設(shè)計了新的關(guān)鍵節(jié)點識別與邊移除策略,并分析了算法性能。選擇3種具有代表性的社區(qū)發(fā)現(xiàn)算法分別在4個真實復(fù)雜網(wǎng)絡(luò)數(shù)據(jù)集上進(jìn)行對比實驗。實驗結(jié)果表明,改進(jìn)的算法既保持了局部中心性度量方法的效率,也防止了錯誤識別關(guān)鍵節(jié)點和關(guān)鍵邊對劃分結(jié)果的負(fù)面影響,避免了孤立點所帶來的社區(qū)結(jié)構(gòu)信息損失,能夠快速、準(zhǔn)確地發(fā)現(xiàn)真實社區(qū)。