随着智能化和信息化技术的发展,我国各行各业都兴起了信息化智能化建设,尤其在工业制造领域和医疗领域,每天产生大量不同来源和形式的信息数据,而每一种来源和形式的信息都是一种模态,一个多模态数据样本中可以包含多种信息标签,这些多模态数据对于其所属领域的生产发展具有很高的研究价值。本文提出面向多模态传感数据的预测诊断模型,利用多领域的多模态传感数据,针对时序和非时序多模态传感数据的特点,提出相应的诊断预测方法,得到具有意义的预测结果。多模态数据分为时序数据和非时序数据两种。例如,生产装配线上采集到的多模态数据多为非时序数据,每一个产品的每一个检测项只对应唯一一个数据。而医院重症监护室采集到的病人生理数据则为时序数据,每一种生理信号都经过长时间的检测记录,具有很多数据点。多模态传感数据,尤其是工业生产过程中产生的非时序多模态传感数据,普遍具有属性种类众多、信息存储结构复杂和数据大量冗余的特点。本文面向时序和非时序的多模态传感数据提出面向多模态传感数据的预测诊断模型,为针对不同领域的多模态传感数据,分别做出相应的诊断预测。本文分别对医院重症监护室生理信号多模态传感数据和汽车发动机装配线多模态传感过程数据进行分析处理,分别对病人所患疾病以及发动机转速的性能和稳定性进行预测。本文的工作主要分为三个方面:(1)本文根据多模态传感数据的数据特点,提出了相应的预处理方法。并针对时序多模态传感数据和非时序传感数据在时间依赖性等方面的差异,分别阐述了两种相对应的模式特征提取的方法。(2)本文针对时序多模态传感数据的预测诊断问题,根据数据模式间的时间依赖关系,构建出结合二次模式提取与艾伦区间关系和基于中餐馆过程的潜在变量的概率图模型,利用病人时序多模态生理信号数据,实现对病人所患疾病的诊断预测。(3)对于非时序多模态传感数据的诊断预测,本文针对分类预测问题和回归预测问题,分别提出回归算法动态最优组合机制和区域加权集成分类方法,并结合稀疏自编码器,使用发动机装配线多模态过程检测传感数据和工艺检测传感数据,分别实现以下诊断预测:1)发动机在启动阶段、高速和怠速阶段三种工况下转速性能合格情况的诊断预测。2)发动机在启动阶段、高速阶段和怠速阶段三种完整工况下转速的均值和标准差的诊断预测。