2020年10月31日，计算机与通信工程学院何施茗副教授以新利官网开户 作为第一作者单位的论文被《IEEE Transactions on Industrial Informatics》录用。该期刊是自动化与控制系统和计算机跨学科应用领域的顶级期刊，专注于以知识为基础的工业领域自动化和智能化。IEEE Transaction on Industrial Informatics由美国电气和电子工程师协会发行，JCR一区top期刊，最新影响因子9.112，在127个IEEE期刊中排名第15位。

该论文“Intelligent Detection for Key Performance Indicators in Industrial-Based Cyber-Physical Systems”主要研究了不规则采样情况下的关键性能指标的异常检测算法。工业CPS系统中部署大量监控设备监控系统运行状态和性能，同时产生数以万计的关键性能指标(Key Performance Indicator，KPI)数据。然而，KPI数据容易有显着的形变(噪声、振幅、相移)。KPI数据采样的策略由运维人员根据实际情况设定（采样时段、采样间隔），因此不均匀、不规则、不等长的KPI数据普遍大量存在。大规模、时序、非均匀等这些特点使得规则KPI异常检测方法失效，而基于动态时间规整(Dynamic Time Warping, DTW)的计算复杂度大。本文提出了大规模不规则KPI的异常检测框架，该框架将不规则KPI分为四种类型，并针对这些不同类型的KPI设计了相应的异常检测方法。针对等间不等量KPI，我们提出了标准化不规则互相关距离作为距离度量，通过在不同的KPI之间进行滑动，寻找最相似的位置，来减少相移可能造成的影响。针对不等间KPI，我们直接通过DTW作为距离度量来对其进行异常检测。针对等时长不等间KPI，我们提出了一种基于矩阵填充的对齐算法，在矩阵填充之后进行异常检测，以避免高昂的计算成本。