研究表明,复杂网络普遍存在社区结构,社区内部节点之间具有更加密切的联系。社区挖掘的目的是从复杂网络中挖掘出社区结构,进一步认识网络的拓扑结构和功能,探索网络的动力学特性及其演化机制。社区挖掘研究具有十分重要的理论意义和实际应用价值。本课题主要针对基于标签传播的社区挖掘算法准确率低、稳定性差的缺点,给出两种改进标签传播算法,有效利用网络节点中心性在社区挖掘中的作用,降低因平等对待每个节点,并按照随机顺序更新标签造成的社区划分错误和不稳定性。主要工作包括:第一,给出一种基于局部核心节点的标签传播算法,该算法利用节点度中心性定义局部核心节点,分别给这些节点及其邻居分配相同的标签,然后进行标签更新,实验结果表明该算法能有效提高社区挖掘质量及算法稳定性,同时维持标签传播算法的近线性时间复杂度;第二,给出节点的Leader Rank中心性和中心节点的概念,并给出一种基于Leader Rank中心节点扩展的标签传播算法,该算法首先找出局部Leader Rank中心节点,并以它们为标签传播源,以节点Leader Rank中心性为标签更新优先度,采用新的更新策略进行标签传播,从而挖掘出社区结构,实验结果表明,该算法相较于其他几种代表性算法的社区挖掘准确率及稳定性都得到大大提升。