Es un fenómeno común en la vida real que los individuos tienen diversas relaciones de miembros en diferentes grupos sociales, lo cual se llama superposición en la ciencia de redes. La detección de componentes superpuestos de la estructura de la comunidad en una red tiene un valor extenso en aplicaciones de la vida real. Los algoritmos principales para la detección de comunidades generalmente se centran en la optimización de una métrica global o local estática. Estos algoritmos a menudo no son buenos cuando las características de la comunidad son diversas. Además, hay mucha aleatoriedad en el proceso del algoritmo. Propusimos un algoritmo que combina la expansión local y la propagación de etiquetas. En la etapa de expansión local, la semilla se determina por el par de nodos con la mayor cercanía, y la regla de expansión también depende de la cercanía. La expansión local es solo para obtener el centro de las comunidades esperadas en lugar de las comunidades finales, y estas comunidades inmaduras dejan solo regiones densas después de la poda según ciertas reglas. Tomar las regiones densas como fuente hace que la propagación de etiquetas alcance rápidamente la estabilidad en la propagación inicial para que las comunidades finales se detecten con mayor precisión. Los experimentos en redes sintéticas y del mundo real demostraron que nuestro algoritmo es más efectivo no solo en general, sino también a nivel de nodo. Además, es estable frente a diferentes estructuras de red y puede mantener una alta precisión.