一种从无“aba”模式的日志中挖掘2度循环的方法

现有过程挖掘算法依赖于“aba”模式来挖掘2度循环,而满足局部完备性的日志文件中不一定出现该模式.为此,本文扩展经典alpha算法,提出了α^L+算法,用于从没有“aba”模式的日志文件中挖掘出2度循环.首先,建立任务间的次序向量矩阵,用于抽象2度循环结构的变体结构.然后,从全局视角,根据事件的出现次数及位置,来区分2度循环和并发关系.最后,提出紧邻度和回路抽象,以排除并发分支上同类型循环带来的干扰.实验表明,与现有挖掘算法相比,α^L+算法能从具有“aba”模式或不具有“aba”模式的日志文件中挖出2度循环.此外,该算法实现且集成在开源框架ProM中.     

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。     

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.     

多步过程挖掘在工作流重构中的应用研究

针对工作流实例偏离预定义模型的实际情况,提出一种基于工作流日志的多步过程挖掘方法,从而实现工作流重构。基于工作流日志构建马尔可夫转移矩阵,定义关系挖掘规则分析过程中的逻辑关系,设计过程挖掘算法建立活动间的实际结构关系,以某电梯企业标梯合同签订流程为例验证方法的可行性和适用性。     

数据驱动的双层次软件过程挖掘方法

为了解决软件过程数据因活动信息及案例属性的缺失而无法应用传统过程挖掘方法的问题,以软件过程数据为研究对象,提出了一种双层次的软件过程挖掘方法.在活动层,提出加权结构连接向量模型对过程日志进行向量化,通过平均活动熵来确定过程日志模糊聚类的结果,将聚类结果作为活动信息支持后续挖掘工作的开展;在过程层,以启发式关系度量为基础,针对非完全循环进行研究,提出了过程层单触发序列循环划分的日志完备性条件,并进一步给出了循环归属的度量方法.基于大量真实软件过程数据的实验结果表明了双层次的软件过程挖掘方法的可行性及正确性.     

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。     

面向过程挖掘的日志划分技术综述

过程挖掘的目标是从软件系统产生的日志数据中提取出有价值信息,用于配置或优化已实施的业务过程.与此同时,大数据、物联网等技术的发展不仅使得业务内容愈加复杂,更是加速了业务演化的速度.在此背景下,有必要对原始日志进行划分,使得事件日志通过分解而被更有效地分析,进而提升过程挖掘的质量.日志划分的宗旨是根据不同问题采取不同方法将原始事件日志划分为多个子日志,为后续的过程挖掘研究提供支撑.模型发现是过程挖掘中最重要的应用场景,而该场景面临的两大难题就是模型过于复杂和模型不正确.当前,解决这两个难题的方法分别是轨迹聚类和概念漂移,而这两类方法的本质都是对原始事件日志进行了划分.本文针对轨迹聚类和概念漂移两个分支进行归纳总结,试图厘清日志划分内容中这两个分支的异同点.接着,通过文献规约系统地对现有研究进行统计与分析,揭露了两个研究分支的发展趋势.然后,梳理了现有研究方法的主要思路,将轨迹聚类分为距离驱动、模型驱动和混合聚类三类,并将概念漂移分为单一类型和复合类型两类.最后,利用公开数据集测试不同类型算法的优缺点,并指出未来研究的发展方向.     

基于时间差约束的事件日志合并

在跨企业、跨系统的环境中,流程数据通常记录在单独的事件日志中,这使得无法挖掘完整的端到端的执行流程,因此本算法提出仅使用事件名称以及时间戳属性对日志进行合并。首先分别获取两个系统的过程模型以及根据活动的跨系统跟随依赖关系获得的合并模型,接着将两个系统的流程一对一进行合并并按照时间戳排序,留下与合并模型路径一致的合并流程,然后从这些流程中获得一对一的实例对,即唯一主流程仅与唯一子流程可以合并,再从这些实例对中挖掘活动间的时间约束用于剩余日志的合并,重复最后两步直到所有日志均合并或无法一对一合并日志。该算法在真实的事件日志上进行了实验,达到了满意的合并效果并获得较高的准确率与召回率。     

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。     

一种并行化的启发式流程挖掘算法

启发式流程挖掘算法在日志噪音与不完备日志的处理方面优势显著,但是现有算法对长距离依赖关系以及2-循环特殊结构的处理存在不足,而且算法未进行并行化处理.针对上述问题,基于执行任务集将流程模型划分为多个案例模型,结合改进的启发式算法并行挖掘各个案例模型所对应的C-net模型;再将上述模型集成得到完整流程对应的C-net.同时,将长距离依赖关系扩展为决策点处两个任务子集之间的非局部依赖关系,给出了更为准确的长距离依赖关系度量指标和挖掘算法.上述改进措施使得该算法更为精确、高效.     

三维网格模型的布尔运算方法

提出了一种基于三维网格模型的布尔运算方法。首先通过基于方向包围盒（OBB）层次包围盒树的碰撞检测算法,得到实体的相交三角形对;接下来求出两相交三角形之间的交线,建立与三角形的交线拓扑关系;通过分类处理三种交线类型来对相交三角形进行区域划分,得到一系列多边形,并对多边形进行三角剖分形成结果区域;最后根据体的包含关系构建关系邻接表,判断多边形区域的相对于其他实体的内外关系并通过网格模型的拓扑关系,定位表面三角网格区域;同时根据交、并、差等布尔操作,对结果区域进行取舍,得到最终结果。实验结果表明相交部分的岩性与实体的岩性相吻合,验证了该算法的正确性以及可行性。     

基于八叉树的大规模流程工厂模型细节裁剪算法

针对传统的细节裁剪算法,处理粒度为面片级,无法在规定时间内快速处理顶点、面片规模数以亿计的流程工厂模型的问题,提出一种基于八叉树的大规模流程工厂模型细节裁剪算法,用于解决传统细节裁剪效率低下的问题,以保证较高的交互帧率。该方法依据组成流程工厂模型的构件体素特征以及空间特征,提出用于量化构件大小的占屏值,并结合建立的八叉场景树,依据所述占屏值近似估算一系列构件投影至屏幕所占据的像素点数量上限,从而快速判断是否裁剪。实验结果表明,所提算法简单有效,与现今主流的漫游软件在加载具有10000根管线的工厂模型后进行对比,其帧率至少提升50%,显著提升了平台的交互流畅度,对流程工厂行业以及图形平台整体的设计水平的提升有积极的意义。     

基于模型结构和事件日志的流程相似度计算

流程相似度的计算在企业业务流程管理中具有重要作用。目前相似度的计算主要存在两个问题：一是大多数相似度计算方法只考虑模型结构或事件日志,导致算法不够精确;二是综合考虑了模型结构和事件日志的算法复杂度高且效率低。因此,提出了一种改进的流程模型结构和事件日志相结合的方法。首先将流程模型结构中的紧邻活动转化为邻接矩阵,然后根据事件日志中的行为信息对邻接矩阵进行加权得到加权邻接矩阵,最后采用符合距离度量特性的矩阵间距离的算法来度量流程间相似度。通过实验与MDS、GED以及WBPG等算法进行对比,所提方法的准确率更高,为99.51%,计算效率也更高。     

基于进化计算多约束条件下软件过程优化方法

利用约束集推移变换和前置矩阵降阶有效解决了软件过程活动规划中多约束条件类问题，提出了一种面向微观层次以活动为主体的软件过程活动规划和资源配置方法。通过染色体的矩阵编码形式结合相对顺序交叉算子与二级变异的操作方法对其进行了优化，实例证明了该算法的可行性和有效性。     

一种基于GPU 的弹坑实时绘制方法

为解决动态地形绘制过程中高逼真性与实时性这一矛盾,提出一种基于GPU 的动 态地形实时绘制方法。首先基于Geometry Clipmaps 算法构建地形层次结构,然后在更新过程 中引入真实物理模型与过程纹理映射相结合方法,以使最终绘制的地形达到更为逼真的效果。 为验证该方法的有效性,模拟了炮弹在草地上爆炸形成的弹坑效果,并与基于ROAM 算法绘制 的弹坑效果在绘制三角形数量、平均帧速率及CPU 占用率3 个方面做了对比。实验结果表明, 所提方法能够有效减少绘制的三角形数量,并能获得较高的帧速率及逼真度,满足动态地形绘 制对于高逼真性和实时性的要求。     

基于完全有限前缀展开的行为等价过程树生成算法

过程树能够兼具过程模型的行为和结构,对简化模型结构的复杂度方面具有重要意义.现有过程树转化仅能将基于块结构的简单过程模型转化为过程树,但是无法将具有复杂结构的过程模型转化过程树.为此,提出了一种基于完全有限前缀展开的行为等价过程树生成算法,用于将与过程树行为等价的过程模型转化为行为等价过程树.该方法首先利用完全有限前缀展开技术分析过程模型,抽取模型的活动关系;其次通过分析活动关系,进而对模型进行重构.最终通过活动关系判断和模型重构的不断迭代操作,构建行为等价过程树.在实验部分通过在测试模型上的实验,验证了该算法在行为等价过程树生成方面的正确性和可行性.     

基于过程划分技术的服务组合拆分方法

针对集中式服务组合内的中心控制器瓶颈问题,提出一种基于过程划分技术的非集中式服务组合构建方法。首先,利用类型有向图对业务过程进行建模;然后,基于图转换的方法提出分组算法,根据分组算法对过程模型进行拆分;最后,根据拆分后的结果来构建非集中式服务组合。经实验测试,分组算法对模型1的耗时与单线程算法相比降低了21.4%,构建的非集中式服务组合拥有更低响应时间和更高吞吐量。实验结果表明,所提方法能有效地拆分服务组合中的业务过程,所构建的非集中式服务组合能提升服务性能。     

一种适用于多样性环境的业务流程挖掘方法

从运行日志挖掘业务流程模型的流程挖掘方法研究方兴未艾,然而,复杂多变的运行环境使流程日志也不可避免地呈现出多样性.传统的流程挖掘算法各有其适用对象,因此,如何挑选适合多样性流程日志的流程挖掘算法成为了一项挑战.提出一种适用于多样性环境的业务流程挖掘方法 So Fi(survival of fittest integrator).该方法基于领域知识对日志进行分类,使用多种现有的挖掘算法对每一类子日志产生一组流程模型作为遗传算法的初始种群,借助遗传算法的优化能力,从中整合得到高质量的业务流程模型.针对模拟日志和某通信公司真实日志的实验结果表明:相对于任何单一的挖掘算法,So Fi产生的流程模型具有更高的综合质量,即重现度、精确度、通用性和简单性.     

全相似高阶规范割算法研究

已有的高阶算法中,构建相似模型时仅使用少量超边构建稀疏相似模型,同时高阶相似模型仅考虑使用单阶的高阶相似关系.为解决这两个问题,以规范割算法为基础,采用直推式学习技术,从标准化和非标准化拉氏矩阵两个角度分别构建全相似高阶模型和全相似多阶相似模型.根据规范割算法构建直推式学习框架,然后展示该框架如何在算法中训练全相似关系.研究结果显示,在所提出的算法中超边之间的全相似关系能以一个简洁的形式应用.以此为基础,将多阶全相似关系进行融合,提出融合多阶信息的全相似多阶相似模型.将构建的全相似高阶相似模型和全相似多阶相似模型应用到规范割算法框架中,提出全相似高阶规范割算法和全相似多阶规范割算法.在两种高阶相似模型中,全相似张量采用稀疏张量逆的形式,并且该逆矩阵可以转换为规范割框架中稀疏张量特征分解问题.将所提出的算法应用于运动分割,并与现有的高阶算法进行对比,实验结果显示,所提出的算法具有一定的优势.