2020年10月31日，計算機與通信工程學院何施茗副教授以長沙理工大學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)和計算機跨學科應用領域的頂級期刊，專注于以知識為基礎的工業(yè)領域自動化和智能化。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)則采樣情況下的關鍵性能指標的異常檢測算法。工業(yè)CPS系統(tǒng)中部署大量監(jiān)控設備監(jiān)控系統(tǒng)運行狀態(tài)和性能，同時產(chǎn)生數(shù)以萬計的關鍵性能指標(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)采樣的策略由運維人員根據(jù)實際情況設定（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)的計算復雜度大。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設計了相應的異常檢測方法。針對等間不等量KPI，我們提出了標準化不規(guī)則互相關距離作為距離度量，通過在不同的KPI之間進行滑動，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，在矩陣填充之后進行異常檢測，以避免高昂的計算成本。