近日，我校工學院楊澤宇老師（王培良教授團隊）以第一作者、我校為第一單位在工業信息領域國際頂級期刊《IEEE Transactions on Industrial Informatics》（中科院一區TOP，IF：11.648）上，發表題為“Probabilistic Fusion Model for Industrial Soft Sensing Based on Quality-Relevant Feature Clustering”的研究論文。

　　對于大多數具有強非線性和多模態特征的現代工業過程，傳統的線性軟測量方法可能無法很好地工作。同時，面對復雜的數據分布，傳統的全局建模方法對數據表示能力提出了很高的要求，這對軟測量建模提出了挑戰。此外，數據分布的不平衡性在一定程度上加劇了模型對局部信息的忽略，從而提高了模型的整體預測難度。為此，針對實際工業大數據存在的強非線性和多模態特性，從概率融合局部建模的角度，首次提出了一種基于質量相關特征聚類（QRFC）的工業軟測量模型。在QRFC中，偏最小二乘（PLS）可以對建模的初始特征空間給出合理的、解釋性的指導。此外，通過均衡數據分組，使用統一的視角對不同的數據分布進行建模。進一步，引入調節變量學習特征空間，通過迭代方法完成輸出相關聚類，隱式構建與質量變量的相關性，從而形成整體預測能力的局部逼近。一般來說，這種框架的好處，包括更好的相關性一致性和更強的處理過程非線性和多模態的能力，導致了卓越的性能。為了評估所開發的軟測量模型的可行性和效率，以實際工業案例為例進行了驗證。

　　論文鏈接：https://ieeexplore.ieee.org/abstract/document/9964255