史其诺

研究基于细针抽吸（FNA）样本的乳腺肿瘤诊断问题，应用图像处理和机器学习技术提取细胞核特征并进行分类。

• 采用 Active Contour Models 自动识别细胞核边界
• 提取半径、紧致度、凹陷度、对称性等10种特征
• 应用 Gradient Boosting 构建分类模型
• 通过 ten-fold cross validate 评估模型性能，达到97%准确率

使用 DisGeNET 构建异构图用于基因-疾病关联建模，比较了多种图神经网络方法。

• 基于 PyTorch Geometric 实现 GCN、GraphSAGE 和 Node2Vec
• Node2Vec 表现最佳（AUC = 0.908，AP = 0.897）
• 设计融合模型综合三种方法的嵌入
• 利用 t-SNE 可视化嵌入空间

基于台北市房地产数据，进行数据预处理、特征工程和模型构建，预测房价。

• 使用中位数、众数、均值处理缺失值
• 应用 Interquartile Range 进行数据清洗
• 使用 Generalized Additive Models 查找非线性关系
• Random Forest 在预测房价方面表现最佳

深入研究了 Baire's Category Theorem 在实数集上的应用，通过反证法进行严格的数学证明。

• 研究实数集不能被表示为若干个稠密的补集的可数并集
• 构造一系列闭的、有界的嵌套区间序列
• 运用实分析的概念理解该定理
• 进行综合演示，提升数学表达能力