为加强研究生学术交流活动，推进学术创新，特开通“研究生学术报告预告区”。我校研究生和教师可以在预告区及时发布和了解有关研究生学术报告的信息，届时参加。也可就某学术报告展开专题讨论与交流。
社交网络中存在关系不均匀的现象，形成了社交网络中的社区结构。网络中的社区结构有助于理解网络的拓扑结构，揭示复杂系统内部的规律，能够为信息推荐和信息传播控制提供有力支撑。
为了避免参数选取不当对算法性能的影响，本文提出一种基于信息传递和峰值聚类的自适应社区发现算法（an adaptive community detection method based on information transfer and density peaks，AID）。首先，引入信息量来度量节点密度与节点间距离。节点信息量通过节点间的信息传递过程获取。本文定义信息传递过程基于节点间的信任度,信任度越高的目的节点获取的信息量越大。用信息量来代替峰值聚类中密度，可避免截断距离的参数选取，且节点传播信息是独立的，易实现并行化。然后，提出一种自动选取核心节点的方法，从而完成整个网络的社区划分。