Von den 143 Arbeiten, die aus der ganzen Welt für den Wettbewerb eingereicht wurden, wurden die besten fünf Arbeiten in einem strengen Überprüfungsverfahren durch das AESS Radar Systems Panel Student Paper Competition Committee als Finalisten ausgewählt. In der Endrunde präsentierte jeder Teilnehmer seine Arbeit in einer Live-Online-Sitzung vor der Jury. In Aylin Tastans preisgekrönter Arbeit “An Unsupervised Approach for Graph-based Robust Clustering of Human Gait Signatures” entwarf sie einen parameterfreien robusten Clustering-Algorithmus, um Radardaten des menschlichen Gangs zu clustern. Sie extrahierte einen neuen Satz von Merkmalen aus den Daten und entwickelte einen graphenbasierten Algorithmus zur Ausreißererkennung. Hierbei werden die extrahierten Merkmale als Knoten in einem Graphen dargestellt, wobei die Ähnlichkeit zwischen zwei Merkmalen der Stärke der Verbindung im Graphen entspricht. Merkmale, die in den Clustern liegen, unterscheiden sich in der Anzahl von Verbindungen gegenüber Ausreißern. Diese Information nutzte Frau Tastan um Verbindungen zwischen Knoten des Graphen systematisch zu kappen und Ausreißer zu eliminieren bis ein robustes Graphenmodell entsteht, das die Anzahl der Cluster sowie die Clusterzugehörigkeiten der Merkmalsvektoren ersichtlich macht. Somit kann ihr Algorithmus im Gegensatz zu existierenden Methoden zuverlässig verschiedene Gangarten anhand des empfangenen Radarsignals ohne a-priori Information über die Anzahl der Gangarten und ohne Trainingsdaten unterscheiden. Ihre Clusteringmethoden lassen sich auch auf andere Anwendungen übertragen, da die Graphenmodelle generisch sind und nicht von der speziellen Anwendung abhängen.