近日，我校计算机与人工智能学院邓小武教授以第一作者兼通讯作者身份，以怀化学院为第一单位，在国际知名学术期刊《Knowledge-Based Systems》（中科院一区top期刊、新锐期刊分区1区top刊）上发表研究论文，题为“Unsupervised anomaly detection in industrial IoT: A one-class tensor-train machine with randomized mapping”。

 

图 论文部分内容

工业物联网（IIoT）的快速发展生成了海量高维张量数据，高效精准的异常检测已成为保障智能制造安全与运行效率的关键需求。研究团队提出了一种全新的张量空间异常检测框架：单类支持张量列机（1CSTTM）。该框架通过张量列（TT）分解技术将经典OCSVM拓展至张量域，并创新性地利用TT核心的纤维结构构造张量核函数，从而充分保留原始数据的多维结构特征。理论分析表明，该方法将计算与存储复杂度从指数级大幅降低至多项式级，为大规模张量数据的实时处理提供了可行的理论路径。为进一步提升模型在大规模场景下的可扩展性，团队开发了随机化版本（R1CSTTM），借助随机傅里叶特征近似非线性张量核，在保障检测精度的同时显著提升处理效率。在真实工业物联网数据集上的实验验证显示，两种方法在准确性和鲁棒性上均优于现有主流技术；其中R1CSTTM在训练和推理时间上表现尤为突出，大幅缩短了运算周期，证明了其面向实际工业部署的优越性和广阔应用前景。

邓小武教授自2015年起，长期聚焦于张量代数理论与人工智能交叉领域的应用基础研究，研究工作持续得到了湖南省自然科学基金面上项目、湖南省教育厅重点项目等资助。相关研究成果发表在IEEE Transactions on Industrial Electronics、Future Generation Computer Systems等国际顶级期刊，获授权发明专利6项，成果转化1项，科技成果奖2项。

拍摄：学院供图

编辑：邓小武

一审：龚雅静

二审：刘仁礼

三审：罗晓莉