aH算法:工作流挖掘中一种能挖掘隐含任务的扩展a算法

正确发现流程实际运作情况对工作流管理有着重要的意义。工作流挖掘抽取系统日志信息,挖掘流程的真实运作模型。其中挖掘隐含任务是工作流挖掘中待研究问题之一。基于a算法,提出了能挖掘隐含任务的挖掘算法aH。分析了隐含任务出现的可能情况,通过判断并行任务的位置关系,往工作流网中添加隐含任务;然后合并相同的隐含任务,去掉冗余隐含任务,以完善结果模型。实现了。算法原型,实验证实了方法的可行性及有效性,并分析了方法的不足之处。     

一种基于后继任务的过程挖掘算法

过程挖掘的目标是从信息系统所记录的事件日志中重现过程模型.尽管信息系统会生成多种事件日志,但只有很少一部分的事件日志被应用于分析流程.提出一种基于后继任务的新型过程挖掘算法(χ 算法).该算法不仅能够直接从后继任务中挖掘出因果依赖关系,而且能够挖掘出潜在并发关系.其中,因果依赖关系包括显式依赖和隐式依赖(由非自由选择结构产生)两种.另外,χ 算法能够正确地挖掘SWF网、大部分带隐式依赖的非SWF网、一些非良好处理的工作流网和一些含有隐式库所的工作流网.因为χ 算法所使用的事件日志多出了一种新的事件类型———后继任务,所以χ 算法能够处理范围更广的工作流网.     

过程挖掘中一种能发现重复任务的扩展α算法

基于α-算法,提出了能发现工作流日志中重复任务的过程挖掘算法α**,并给出了正确性证明.该算法先通过机器学习的方法分析重复任务的性质,给出了判定重复任务的定理并证明了其正确性;然后使用这些定理判断并标识出日志中的所有重复任务;最后,采用α-算法从标识后的日志中提取出工作流网,并对其进行调整得到包含重复任务的工作流网模型.通过模拟实验验证了算法的有效性,与现有的重复任务挖掘方法的实验结果相比证实了文中提出的方法具有更高的效率.     

工作流挖掘中的隐含问题研究

分析工作流挖掘中存在的隐含库所和隐含迁移等问题。针对α算法处理隐含问题时存在的不足,提出α+*算法。该算法对隐含任务另做标记,利用任务间的相互依赖关系得出过程模型。通过仿真工具CPN Tools生成文件,利用ProM和α+*算法挖掘日志,仿真结果证明了该算法的有效性。     

一种基于扩展WF-Net的工作流建模方法

本文以工作流系统特性和Petri网模型理论为依据,分析了WF-Net在工作流建模中的局限性,并运用一些成熟的建模思想对其进行了改进,使其在描述机制上更加完善。文章在最后给出了该扩展模型的形式化定义。     

工作流挖掘技术研究

本文首先对工作流挖掘的相关知识做了介绍,然后对国内外工作流挖掘当前研究进展以及已有成果做了总结,简要介绍了几种有代表性的过程挖掘算法.最后展望了工作流挖掘领域目前存在的挑战性问题.     

工作流模型挖掘算法及其应用研究

工作流管理系统由工作流模型所驱动,但产业界的实践表明定义工作流模型的工作不仅费时而且易错。工作流挖掘技术能够帮助解决这一问题,并能为现有工作流的分析与优化提供参考。简要介绍三种典型且具有应用价值的工作流模型挖掘算法,并应用其中一种挖掘算法,详细讨论了一个实际的工作流模型挖掘过程。挖掘过程以某Staffware系统的工作流日志文件为起点,包括数据预处理、初始工作流模型挖掘、初始工作流模型化简三个主要步骤,具体实现可通过一个工作流模型挖掘子系统参与完成。     

基于过程挖掘的工作流性能分析

介绍了工作流性能的分析基础和概念。针对复杂和具有非确定性的业务流程,通过基于 工作流日志的工作流过程挖掘算法,得到反映系统基本性能的工作流性能分析网。并应用到具有动 态、模糊控制流程的工作流系统的性能分析中。     

一种能挖掘不完备日志的改进α算法

对于不完备日志挖掘这一过程挖掘的难题,在传统α算法的基础上,提出了一种不完备日志的过程挖掘算法。该算法在α算法给出的并行关系定义的基础上,提出了一组隐含并行关系的推导规则,利用已知的任务关系推导出日志中缺失的隐含并行关系,在此基础上构造出过程的结构模型。实验结果证明,该算法对不完备日志的挖掘效果优于传统α系列算法。     

对工作流网的过程挖掘算法研究

过程挖掘主要是发现事件日志的有价值的客观信息,对于它的研究为实施新的业务过程和对已实施的业务过程进行分析改进具有重要的作用,本文主要是基于工作流网,对于多事件类型挖掘、间接依赖关系挖掘以及不可见任务挖掘及算法进行的探讨研究。     

PAIS中过程挖掘技术的研究

过程挖掘是PAIS中的一项关键技术,能够根据信息系统中记录的事件日志信息,提取相关知识,重构出一个过程实例模型且日志中所有信息轨迹的实例都能够符合该过程模型.文中通过分析事件日志自动产生过程模型,辅助过程模型的设计与再设计.首先介绍了过程挖掘的概念、基本架构步骤和挖掘算法,然后从过程维度的角度介绍了一种有代表性的过程挖掘算法的应用.最后对α算法过程挖掘领域目前存在的挑战性问题从两个方面进行了分析和讨论.     

特殊循环结构的过程挖掘算法

为解决并发结构中循环挖掘问题,在α算法基础上,针对一类特殊循环结构提出了一种αfsl算法。该算法重新定义了包含循环结构的日志完备性,并在基本活动次序关系的基础上,添加了新的循环次序关系。通过预处理日志,提取日志中重复出现的活动,列出重复活动的相邻关系,从中发现日志中存在的循环结构,以后期添加循环结构的方式挖掘基于工作流网的过程模型。最后,通过对某电脑维修公司的实例分析,验证了αfsl算法的有效性与正确性。     

基于动态工作流网的工作流过程挖掘

挖掘和描述过程日志中的动态信息可以提高工作流过程建模的效率和效果.为此,在工作流网的基础上提出了动态工作流网,进行了合理性分析,并给出了基于此概念的过程挖掘算法.原型系统的实验结果表明,该算法是有效的.     

一种面向工作流安全审计的扩展模型挖掘算法及应用

工作流系统特有的内在领域知识和逻辑性使得简单应用现有的安全审计技术将会造成这些信息的丢失,从而降低安全监测的准确性和效率。另外,现有的工作流模型挖掘技术能较好地获取流程任务间的关系模型,有助于安全审计分析,但大多缺乏分析数据流与任务流的内在联系。因此,对工作流模型挖掘α算法引入了数据流的分析,使其在安全审计中有效地进行异常检测和入侵检测,从而提高了审计分析的准确性和有效性。     

过程挖掘技术的研究与应用

由于业务流程日益复杂多变,并且流程模型设计者对于业务流程的理解主观性较强,大多数通过人工建立的过程模型都与现实情况存在较大偏差,使用过程挖掘技术能够很好地解决这一问题。针对典型的工作流系统中索赔事件流程的日志,对其建模流程进行分析,使用过程挖掘工具Pro M进行挖掘得到对应的过程模型。实验结果表明,通过过程挖掘技术所得到的过程模型与实际的业务流程相符,与人工流程建模相比,提高了效率,降低了成本。     

基于频繁增长模式的工作流过程挖掘方法

工作流管理系统要求能够清楚地表达出业务过程的工作流设计,通常工作流设计非常费时且容易出现错误。过程挖掘的方法从已经发生的业务日志记录中提炼出工作流模型,能方便地设计工作流管理系统。本文提出利用FP-tree(频繁增长模式)方法挖掘过程模型,使之能够有效地解决含有噪音数据的过程挖掘问题。     

工作流挖掘：一种新型工作流自动化建模方法

为解决传统工作流建模方式主观性强、效率低以及成本高等问题，出现一种从工作流日志中自动化推导工作流模型的建模方法，又称工作流挖掘。这种新方法在国际上还处于研究初级阶段，但已引起广泛关注。该文对当前主要研究学者的工作及挖掘算法进行总结，介绍了两种不同类型挖掘算法的具体建模过程，并对其性能进行比较分析，用实例进行解释说明。     

工作流日志中的工作流模式图挖掘技术研究

工作流挖掘技术能够从系统的执行日志中构建出过程,大部分过程挖掘方法都使用了一种图形化的方式来表示模型,也就是控制流图.讨论了工作流模式图挖掘,它实际上是工作流挖掘的一种扩展;对其中所涉及的问题进行了剖析,并介绍了一种模式图挖掘算法.     

业务流程挖掘算法研究

流程挖掘能够根据流程的执行日志重构出流程模型,有助于实现业务流程的优化和智能管理。首先,指出目前流程挖掘技术需要解决的关键问题。然后,介绍几种具有代表性的流程挖掘算法,并指出每种算法解决的问题和存在的不足。接着,从日志完整性、控制流结构、噪声处理和模型质量控制等方面对流程挖掘算法进行分析和比较。最后,指出流程挖掘技术未来的研究方向。     

一种基于Web日志文件的信息挖掘方法

数据预处理和日志挖掘算法是Web日志挖掘中的关键技术。文中根据Web访问模式的用户特征,提出了一种基于Web日志文件的信息挖掘系统的体系结构。在此基础上,分析了其数据挖掘过程和信息挖掘算法。