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。     

复杂工作流结构挖掘的研究

提出了基于模拟退火的过程挖掘算法.该算法对工作流模型中包含的非自由选择结构和重名任务进行挖掘,同时在挖掘结果中产生隐含的任务.对本算法进行初步的实现及验证,并分析了算法的效率及优缺点.     

逻辑Petri网非自由选择结构模型修复方法

业务过程通常在信息系统中实现之前由过程模型描述和验证。过程模型可以描述系统的特性,并通过向系统设计者提供反馈的功能来验证系统的正确性。当系统生成的事件日志中的活动与过程模型中的活动存在偏差时,需修复现有模型。对于含非自由选择结构的模型,尽管事件日志中的活动可以由现有的修复方法而得到重放,但修复后的模型往往会与原模型在结构上有很大的不同,此外,还会导致模型精确度不高且模型结构复杂。因此本文提出一种基于逻辑Petri网新的模型修复方法。首先给出了变迁对和后继关系的概念,构造出后继关系矩阵。接着通过遍历变迁对来确定模型需要修复的位置。最后通过实验验证方法的正确性和可行性。     

基于托肯重演的并行结构过程模型修复方法

过程挖掘可以根据企业信息系统生成的事件日志建立业务过程模型。当实际业务过程发生变化时,过程模型与事件日志之间会产生偏差,这时需要对过程模型进行修正。对于含有并行结构的过程模型修复,由于加入自环和不可见变迁等因素,有些现有的修正方法的精度会降低。因此提出一种基于逻辑Petri网和托肯重演的并行结构过程模型修复方法。首先根据子模型的输入输出库所与日志的关系,确定子模型的插入位置;然后通过托肯重演的方式确定偏差所在位置;最后根据基于逻辑Petri网提出的方法进行过程模型的修复。在ProM平台上进行了仿真实验,验证了该方法的正确性和有效性,并与Fahland等方法进行对比分析。结果表明,所提方法的精度达到85%左右,相比Fahland、Goldratt方法分别提高了17和11个百分点;在简洁度方面该算法没有增加自环和不可见变迁,而Fahland和Goldratt方法均增加了不可见变迁和自环;三种方法的拟合度均在0.9以上,而Goldratt方法略低一些。以上证明用所提方法修正后的模型具有更高的拟合度和精度。     

并发序列模式挖掘方法研究

提出并发关系的概念,在此基础上给出并发度的概念,进而提出并发序列模式的概念。给出了用于挖掘并发序列模式的方法——基于支持向量的并发序列模式挖掘方法。该方法通过产生序列模式的支持向量求得2-分支并发序列模式及其支持向量;然后通过（k-1）-分支并发序列模式的支持向量和序列模式的支持向量产生k-分支并发序列模式及其支持向量,进而求得所有k分支并发序列模式。实验中采用IBM数据生成器产生的合成数据源对算法进行了验证实现,实验表明算法是有效和可行的,在不同的支持度和最小并发度下,挖掘得到并发序列模式总数随最小并发度的增大呈指数递减。     

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.     

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.     

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.     

支持软件演化的扩展SDDM软件过程模型

软件演化已成为软件生存周期中最重要的形态之一。对基于Petri网、具有面向对象特征的软件过程模型SDDM进行改进,引入时间Petri网和有色Petri网的思想,同时在标准化、角色模型、资源模型三个方面对其进行扩展,得到一个新的支持软件演化过程的扩展SDDM软件过程模型。     

基于流程挖掘的临床路径设计

针对临床路径的科学制定问题,提出诊疗流程挖掘模型。与传统的人工定制临床路径不同,该模型能从大量优选案例中自动识 别出最优的诊疗流程。剖宫产手术日的流程挖掘实例验证了该模型的实用效果,应用结果表明,该模型能为临床路径制定提供有效的决策 支持。     

一种基于进程验证的Petri网可达性判定方法

为了解决Petri网的可达性判定问题,提出了一种基于进程验证的可达性判定方法.通过分析Petri网基本进程段子段间偏序关系,该方法提出原子进程段概念,求得原子进程段集及其偏序关系集作为可达性判定的验证对象.基于原网状态方程解向量、原子进程段T-向量的线性纯整数规划问题解,选取该解中非零分量对应的原子进程段子集作为待验进程段集,选取待验进程段间的偏序关系子集作为待验推理规则集,通过验证是否存在这两个集合上的以初始标识M0为推导初态、目的标识Md为推导终态的序列而判定(M0,Md)是否可达.分析表明该可达性判定算法的时间复杂度是依赖于原子进程段集规模的,最坏情况下不超过变迁集规模.     

无界Petri网的进程表达式

借助进程网系统的概念，首先证明了无界Petri网∑的进程与其进程网系统∑p，的语言之间存在一一映射关系，将求取∑的进程表达式的问题转化成求取∑p，的语言问题．由于∑p，的结构一般比较复杂，直接求取其语言仍然比较困难．通过定义库所的指标函数，将结构复杂的∑p，分解成结构简单的子网系统，引入了语言的同步交运算，给出了利用这些子网系统求取结构复杂的∑p，语言的方法，从而得到了求取无界Petri网∑的进程表达式的算法．     

一种基于多视角数据属性的决策表Petri网挖掘方法

当处理高度可变的流程时,已有的自动过程挖掘技术产生的模型可能并不能真实反映流程运行中不同决策点之间规则的变化情况。从声明性过程挖掘的角度出发,提出了一种具备可视化规则的决策表Petri网挖掘方法,实现真实日志到声明性过程决策表Petri网模型的映射。首先,形式化了决策表Petri网模型及其携带的规则分析决策表,并对模型的静态语义和动态语义进行定义;其次,通过扩展属性的添加,分析流程内部属性和事件属性是否会对决策产生影响,并通过规则分析决策表的异常值属性,判断规则的异常程度;最后,在一组人工日志和真实事件日志的基础上进行实验仿真,并与数据Petri网的挖掘技术进行分析对比。实验结果表明所提方法在反映流程运行中规则的变化情况具有一定优势,并为数据流异常检测提供数值可解释性;同时,所设计的决策表Petri网挖掘方法可以将决策信息与模型结构整合在一起,为过程模型的可变性建模提供形式化基础。     

工作流模型结构化挖掘方法研究

流程挖掘是业务流程管理(business process management,BPM)研究的一项重要内容.提出了一种结构化挖掘方法,实现从事务型日志中挖掘出工作流网.该方法基于工作流模型的4种基本结构(顺序、并行、选择和循环)进行挖掘.定义了可挖掘的工作流模型--结构化工作流网(structural workflow net,SWF),从日志预处理,流程挖掘方法和合理性验证3个方面对挖掘算法进行了详细描述,证明挖掘出的工作流模型满足合理性和安全性的同时,具有可读性和容易理解的特点.     

基于Petri网的并行测试系统任务过程建模

针对并行测试系统中的测试过程复杂的问题,提出测试任务分解的原则和方法.对分解后的子任务构造任务相关图,并在任务相关图和资源占用情况的基础上,通过任务过程模型算法建立基于Petri网的并行测试任务过程模型,清晰描述测试任务执行过程中的顺序、并发等特性以及测试资源的使用情况.利用模型可分析子任务间的并行性,可为测试系统并行任务调度提供依据.     

流程树切挖掘业务流程隐变迁的方法

隐变迁是指存在于事件日志中的不频繁行为,从流程模型中挖掘出隐变迁,提高流程运行效率和服务质量显得尤为重要。已有的方法大部分基于业务流程序列进行分析,但很少考虑跨序列间的关系,因此对挖掘业务流程隐变迁有一定的影响。提出流程树切挖掘业务流程隐变迁的方法,首先根据发生频数较高的日志序列得到初始模型,再根据流程树切预处理事件日志,把日志活动关系与初始模型关系进行对比,找到存在变化的区域,挖掘可能存在的隐变迁,通过评价指标判定带隐变迁的模型是最优模型,最后实例分析验证该方法的有效性。