2020年10月31日，計(jì)算機(jī)與通信工程學(xué)院何施茗副教授以長沙理工大學(xué)作為第一作者單位的論文被《IEEE Transactions on Industrial Informatics》錄用。該期刊是自動化與控制系統(tǒng)和計(jì)算機(jī)跨學(xué)科應(yīng)用領(lǐng)域的頂級期刊，專注于以知識為基礎(chǔ)的工業(yè)領(lǐng)域自動化和智能化。IEEE Transaction on Industrial Informatics由美國電氣和電子工程師協(xié)會發(fā)行，JCR一區(qū)top期刊，最新影響因子9.112，在127個IEEE期刊中排名第15位。

該論文“Intelligent Detection for Key Performance Indicators in Industrial-Based Cyber-Physical Systems”主要研究了不規(guī)則采樣情況下的關(guān)鍵性能指標(biāo)的異常檢測算法。工業(yè)CPS系統(tǒng)中部署大量監(jiān)控設(shè)備監(jiān)控系統(tǒng)運(yùn)行狀態(tài)和性能，同時產(chǎn)生數(shù)以萬計(jì)的關(guān)鍵性能指標(biāo)(Key Performance Indicator，KPI)數(shù)據(jù)。然而，KPI數(shù)據(jù)容易有顯著的形變(噪聲、振幅、相移)。KPI數(shù)據(jù)采樣的策略由運(yùn)維人員根據(jù)實(shí)際情況設(shè)定（采樣時段、采樣間隔），因此不均勻、不規(guī)則、不等長的KPI數(shù)據(jù)普遍大量存在。大規(guī)模、時序、非均勻等這些特點(diǎn)使得規(guī)則KPI異常檢測方法失效，而基于動態(tài)時間規(guī)整(Dynamic Time Warping, DTW)的計(jì)算復(fù)雜度大。本文提出了大規(guī)模不規(guī)則KPI的異常檢測框架，該框架將不規(guī)則KPI分為四種類型，并針對這些不同類型的KPI設(shè)計(jì)了相應(yīng)的異常檢測方法。針對等間不等量KPI，我們提出了標(biāo)準(zhǔn)化不規(guī)則互相關(guān)距離作為距離度量，通過在不同的KPI之間進(jìn)行滑動，尋找最相似的位置，來減少相移可能造成的影響。針對不等間KPI，我們直接通過DTW作為距離度量來對其進(jìn)行異常檢測。針對等時長不等間KPI，我們提出了一種基于矩陣填充的對齊算法，在矩陣填充之后進(jìn)行異常檢測，以避免高昂的計(jì)算成本。