复杂网络种类繁多,遍及人类社会的方方面面,涉及到的学科领域也复杂多样,复杂网络研究工作吸引了相关领域研究人员的关注,也越来越受重视。特别是二十一世纪以来,互联网技术取得了前所未有的跨越式发展,对复杂网络研究工作具有很大的推进作用。近年来,来自相关领域的专家学者提出了很多复杂网络进行社团检测算法,标签传播算法就是其中比较经典的一个,该算法具有高效快速、无需先验信息等优点,但也存在稳定性不足、容易形成巨型社区等缺点。本文对已有的复杂网络社团检测算法做了较为细致的研究,尤其对标签传播算法的具体步骤和优缺点进行了认真研究,并对网络的聚类系数性质进行深入分析,由节点的聚类系数和网络的聚类系数,扩展提出了社团聚类系数的概念。针对标签传播算法存在的结果不稳定、容易形成巨片社区等问题,本文结合点聚类系数和社团聚类系数的概念,分别提出了基于点聚类系数的标签传播改进算法和基于社团聚类系数的标签传播改进算法。其中,基于点聚类系数的标签传播改进算法首先根据节点的聚类系数和度对节点进行优先级排序,在初始化标签阶段改进策略,仅对优先级较高的节点进行标签初始化,在标签传播过程中根据节点的聚类系数对邻节点进行排序,选择最优标签,避免了传统标签传播算法随机性高的问题。而基于社团聚类系数的标签传播改进算法,在对节点进行优先级排序和改进初始化标签策略的基础上,使用本文提出的社团聚类系数改进标签传播策略,同样提高了算法的稳定性和检测效果。最后将两种改进算法应用于真实网络数据集和大型的人工网络数据集,实验结果表明,本文提出的两种改进算法均具有稳定的检测结果,与网络的真实社团结构相比准确性也比较高。