在科技社会迅速发展的当下，复杂系统和复杂网络越来越多的进入人们的视线。其中，社区结构作为复杂网络介观尺度中重要的一环，由其展示了网络形成的内涵和重心而在近年引来了大量关注，在网络中发现社区也随之成为研究热点。 现有的社区发现算法有层次聚类、均值划分、派系过滤等，其针对的问题从重叠社区到模糊划分，有多种多样的形式。这些算法被应用于分析生物组织结构，社会网络文化，互联网构造等多个方面，实现了日常生活中的个性化分析、好友发现等应用。 UNIX操作系统作为分时操作系统中的一大重点，以可多用户，多任务，支持多种处理器架构为特点。而其底层函数的分类问题一直随着社区发现研究的进展而不断改进。本文希望就UNIX底层函数互相调用数据对函数进行聚类，将其划分到多层的文件夹下，使得联结紧密的函数互相的调用更加快捷，并针对函数可能的变动作出改进措施。 本文进行的工作如下： 1，给出了社区发现问题的概念和研究背景，简述现有社区发现算法和社区结构的评价标准，对其进行归纳和总结。 2，对UNIX函数调用数据进行前期处理和数据分析，筛选出合适的层次聚类算法FN凝聚型层次聚类，并带入小型的无向加权网络实验其可行性和准确率。将实验结果和最大生成树聚类结果进行对比分析。 3，针对FN层次聚类的差伸缩性进行改进，使用融合标签传递算法的ELPA算法。带入小型网络实验ELPA算法的可行性和准确性，与之前的FN层次聚类和最大生成树聚类结果进行对比分析。 4，根据ELPA算法提出一种面对函数节点变动时的临时划分方案，分情况讨论函数的增减和功能变动，并带入小型网络验证临时方案的可行性和准确性。 5，总结分析提出算法，给出可能的改进方案。