融合特征网与模块网的业务过程挖掘

过程挖掘目的是通过分析由信息系统记录的日志得出的过程模型,从而改善和维护业务流程。目前,许多业务流程都以模块化的方式进行交互。虽然很多过程挖掘算法已经被提出来,不过对于处理多模块还有一定的局限性。提出了基于特征网与模块网的挖掘算法,根据日志将特征分为不同模块;在此基础上,分别求出模块间特征交互的特征网与模块内的特征交互模块网;将两者根据提出的融合算法进行融合,得到完整的过程模型。通过一个用户网上购物的实例说明了该算法的可行性。     

基于颜色Petri网和Lookahead的数据分发管理研究

对高层体系结构（HLA）中数据分发管理（DDM）的研究,主要目标是在符合HLA标准的前提下,提高数据的过滤效率,同时减少计算量,并提供较好的可扩展性适应于各种规模的分布式仿真应用。Lookahead是分布式模拟时间管理协议中的一个重要概念,各模拟实体使用Lookahead把自己产生事件的时间标记情况更早地通知给其它实体,以加快程序的运行。采用颜色Petri网和Lookahead的数据分发机制,能够很好地对数据进行过滤,提高数据的过滤效率,并能保证数据收发的成功率。仿真实验结果表明：基于颜色Petri网和Lookahead的数据分发机制是优于区域匹配方法的。     

Monolayer-molybdenum-disulfide-based nano-optomechanical transistor and tunable nonlinear responses

Atomically thin two-dimensional semiconductor nanomaterials have attained considerable attention currently. Here, we present a nano-optomechanical system based on a suspended monolayer molybdenum disulfide (MoS₂). The linear and nonlinear coherent optical properties of this system, and the phenomenon of phonon-induced transparency are demonstrated. The transmission of the probe field can be manipulated by the power of a second ‘gating'' (pump) field, which indicates a promising candidate for an optical transistor. We further study the nonlinear effect of the system, and the optical Kerr effect of the monolayer MoS₂ resonator can be regulated under different parameter regimes. This scheme proposed here may indicate potential chip-scale applications of monolayer MoS₂ resonator in quantum information with the currently popular pump-probe technology.     

基于行为特征网的流程模型分解挖掘

为了使包含活动数目较多的事件日志有效挖掘流程模型,提出基于行为特征网的流程模型分解挖掘方法,基于活动日志确定各活动间的行为足迹关系,推得相应的行为矩阵;结合行为矩阵计算行为关系图,从而产生活动聚类;通过现存挖掘算法过滤子日志挖掘子网,并对子网添加接口库所形成子网行为特征网;在行为特征网的基础上,运用合成网的观点合成整网,以此挖掘流程模型。最后通过仿真分析验证了该分解挖掘方法的有效性。     

基于接口变迁的交互流程模型挖掘方法

流程模型挖掘是基于系统运行记录下的事件日志来还原特征对应流程模型的技术。目前已有的挖掘方法多是基于由系统分解出的不同模块之间交互频繁且模块包含特征较少的场景。在挖掘包含较多特征、交互不频繁的流程模型方面,目前的方法存在一定的局限性。鉴于此,文中提出了基于接口变迁的交互流程模型挖掘方法。首先,利用现有的挖掘方法来挖掘模块内部的特征序,确定初始模块网;其次,遍历事件日志以查找疑似接口变迁;然后,通过挖掘特征网来确定接口变迁,并对接口变迁增加接口库所;最后,基于开放Petri网,利用合成网的观点将交互模块合成为一个完善的流程模型Petri网。通过实例分析,验证了该挖掘方法的有效性。     

基于Petri网行为紧密度的有效低频行为模式分析

低频行为模式分析是流程管理的重要内容之一,有效区分低频日志和噪音日志在业务流程过程挖掘中显得尤为重要。目前已有的研究大部分是将流程模型中的低频行为当作噪音直接过滤,但有些低频行为对模型是有效的。文中提出了基于Petri网行为紧密度的有效低频模式分析方法。首先,根据给定的事件日志建立合理的流程模型;然后,通过迭代扩展初始模式来发现流程模型中的所有低频日志序列,并在此基础上计算日志与模型的行为距离向量,利用日志与模型的行为紧密度找出有效的低频行为模式;最后,通过实例分析验证了所提方法的可行性。     

P/T_网中的同步距离

同步距离既可以对两组事件之间同步程度进行定量分析,也可以刻画系统动态行为,然而Petri中同步距离计算一直存在难题。采用加权观察库所的原理讨论了P/T_网中任意两个变迁子集之间同步距离的计算,并通过本原权函数的定义指出了如何给连接变迁和加权观察库所之间的弧配置一个唯一的权值。为了得到处于同一个公平分支变迁子集之间的同步距离值,需构造一个带权同步观察P/T_系统,通过模拟原网系统的可覆盖树得到带权观察库所的最大和最小tokens,从而求得变迁子集之间的同步距离值,并给出相应算法,给出了求解P/T_网中任意两个变迁子集之间同步距离计算算法。     

基于时延Petri网数据并行问题的分析

Petri网作为一种直观的图形建模工具和一种具有丰富数学基础的形式模型,非常适合描述具有并发、异步和分布特征的系统。数据并行即将相同的操作同时作用于不同的数据,利用时延变迁Petri网来分析数据并行问题,可以找出具有相同操作的结构,这对于数据并行问题在并行机上进行模拟有很大好处。     

基于行为距离的带隐变迁过程模型挖掘方法

过程发现的目的是基于记录在事件日志中的业务过程的执行数据发现过程模型,由于一些原因导致过程模型中可能会出现隐变迁,而这些隐变迁的执行又不出现在事件日志中,因此隐变迁的挖掘是过程挖掘的难点之一.已有隐变迁挖掘方法对解决并发结构中的隐变迁存在不足,且可能出现一些冗余的隐变迁.基于此,提出一种带隐变迁的过程模型挖掘新方法,首先基于日志分析活动的基本行为关系,通过并发交叉关系和循环交叉关系来发现and网关类型和循环类型的隐变迁.然后,根据活动基于日志的最小和最大行为距离寻找可能存在skip类型隐变迁的活动对,进一步分析该活动对基于模型和并发结构的最小行为距离,以发现skip类型的隐变迁,并不断优化初始模型,最终得到带多种类型隐变迁的过程模型.实验结果表明,该方法能正确地发现多类型隐变迁,相对现有隐变迁挖掘方法,所提方法能显著降低模型中冗余隐变迁的个数,同时在不降低模型精确度的前提下,有效地改善了模型的适合度.