近日，“社会计算与认知智能”教育部重点实验室魏小鹏教授、杨鑫教授的关于基于多层次特征自适应融合的化工生产状态检测研究成果被计算机科学领域国际高水平学术期刊（Information Fusion 2025）接收。

Information Fusion期刊是人工智能领域与计算机科学的国际顶尖权威刊物，被中国计算机学会（CCF）推荐国际学术会议列表认定为A类会议，属于中国科学研究院一区Top期刊，2024年影响因子为14.8，五年影响因子平均为16.1，其研究重点涵盖了信息融合、数据融合、知识融合等领域，所录用的稿件反映了信息融合领域的前沿研究水平，根据2024年JCR统计，在“Computer Science：Information Systems”学科394个期刊中排名第4，在“Computer Science: Signal Processing”学科131个期刊中排名第1，在“Computer Science: Software”学科407个期刊中排名第5。

研究成果：博士生武志超作为第一作者与博士生尹子涛共同完成，魏小鹏教授、杨鑫教授、朱理副教授、徐喜荣副教授作为共同作者的在信息融合领域的研究成果“MAFCD: Multi-level and Adaptive Conditional Diffusion Model for Anomaly Detection”被Information Fusion 2025所录用。该工作面向现有模型在识别化工生产过程状态参数所固有的复杂的上下文依赖关系和多样化的模式所面临的保真度和多样性之间平衡的问题，提出基于扩散模型的多层级特征自适应识别方法，该方法通过动态调整多个特征的融合权重作为扩散模型的先验条件。此外，为提高模型的稳定性，状态识别通过多步采样，设计了指数和符号集合函数进行加权聚合。

该工作基于预训练模型，在推理阶段能够根据输入数据的特征自适应调整权重。当新样本到达时，模型会动态评估各特征类型与当前数据的相关性，并据此调整权重，突出最相关的特征，同时弱化不相关的特征。例如，如图所示，当输入数据呈现出明显的趋势特征时，模型会自动增加趋势特征的权重。这种动态调整机制使模型能够聚焦于每个数据窗口中的关键特征，确保在面对模式突变或异常时依然保持高效响应与准确性。通过这种方式，算法为操作人员提供了一个灵活且实时的监控工具，使他们能够更准确地捕捉化工生产状态中的变化，及时作出调整，从而显著提升了生产过程的安全性与效率。

基于多层次特征自适应融合的生产状态检测算法框架

多层级特征提取框架

集成判断函数