基于行为轮廓矩阵增强的业务流程结果预测方法

预测性过程监控依赖于预测效果,针对如何增强预测性过程监控预测效果的问题,提出了一种基于行为轮廓矩阵增强的业务流程结果预测方法。首先,通过分析活动间的行为关系提取行为轮廓矩阵,并将其与事件序列一同输入到模型中。随后,结合卷积神经网络(CNN)和长短期记忆网络(LSTM)分别学习矩阵图像特征和序列特征。最后,引入注意力机制以整合图像特征和序列特征进行预测。通过真实事件日志进行验证,在预测事件日志结果方面,提出的增强方法对比基准的LSTM预测方法提高了预测效果,验证了方法的可行性。该方法结合行为轮廓矩阵增强了预测模型对事件日志中行为之间关系的理解,进而提升了预测效果。

基于行为轮廓的二维傅里叶变换流程预测

现有的预测性流程监控大多数侧重于深度学习技术,很少有将流程中的行为与此结合.针对这一问题,结合行为关系提出了一个基于二维离散傅里叶变换的流程预测方法,对流程的下一个活动进行预测.将数据进行预处理,利用数据转换工程将时间数据转换为包括活动通道和性能通道的二维空间数据,对活动之间的行为关系进行活动行为编码,并将得到的矩阵进行二维离散傅里叶变换,输入CNN网络中进行训练并预测.使用仿真事件日志和真实事件日志进行评估,在仿真数据集和Helpdesk数据的测试集、BPIC12W数据的测试集上,本文方法预测准确度相比于CNN方法分别提高了2.57%、4.63%和1.67%.实验结果展示了本文方法能有效地提高流程预测的准确度.

人工免疫行为轮廓取证分析方法

针对当前数据挖掘取证分析方法存在的取证分析效率低的问题,提出了采用免疫克隆算法来构建频繁长模式行为轮廓的取证分析方法。该方法以行为数据和频繁项集的候选模式分别作为抗原和抗体,以抗原对抗体的支持度作为亲和度函数,以关键属性作为约束条件,以最小支持度作为筛选条件,通过对抗体进行免疫克隆操作来构建基于频繁长模式的行为轮廓;采用审计数据遍历行为轮廓匹配对比的分析方法来检测异常数据。实验结果表明,与基于Apriori-CGA算法的取证分析方法相比,该方法的行为轮廓建立时间和异常数据检测时间均大幅降低。该方法有助于提高取证分析的效率以及确立重点调查取证的范围。

Petri网多重变迁集的行为轮廓一致性分析

为有效解决业务流程模型中出现的重复活动的行为轮廓一致性问题,提出了一种基于Petri网多重变迁集的行为一致性测量方法。在多重变迁集的基础上,分析了模型行为轮廓中变迁的3种弱序关系,提出了一种考虑一致匹配变迁对与匹配变迁对的比值的测量方法,测量了包含重复活动的模型间的行为轮廓一致性服从度。通过理论和实例分析表明了该方法的有效性。

基于CCA的入侵检测行为轮廓创建技术研究

入侵检测系统在保障Internet应用系统安全方面发挥着重要作用 .作为异常检测依据 ,用户行为轮廓的准确程度直接关系到入侵检测系统的检测性能 .由于Internet环境的开放性造成用户行为模式多变 ,导致用户行为轮廓准确程度下降 .本文提出了基于信息可视化的入侵检测框架 ,并进一步提出了基于CCA(Curvilinearcomponentanaly sis)的可视化算法 .该可视化算法比传统算法具有更好的距离映射性能 ,可为安全专家提供准确的可视信息 ,有利于安全专家直观地观察用户行为模式 ,并合理选择聚类算法创建轮廓 ,从而提高行为轮廓创建的准确性 .

基于结构分解的因果行为轮廓获取方法

模型因果行为轮廓不仅可用于度量业务模型之间的一致度,还可以监控业务流程的实际执行。针对现有因果行为轮廓获取方法的局限性,提出了基于最小T-不变量分解技术的因果行为轮廓获取方法。该方法首先将工作流系统模型分解成一组完备子系统,再由各完备子系统中的局部关系推导出系统模型中的全局关系,可用于捕获任意sound自由选择工作流系统的因果行为轮廓。

基于Petri网行为轮廓从事件日志中挖掘隐变迁的方法

隐变迁是指一些存在于过程模型中,但没有出现在日志序列中的变迁。这样的变迁会大量存在于现实的模型中。从事件日志中寻找挖掘隐变迁的方法是过程挖掘技术的一个重要的难题。目前针对自由选择网有一些解决办法,但是对于复杂的过程模型有一定的局限性。本文提出了基于Petri网行为轮廓寻找隐变迁的方法。首先根据发生频率最高日志序列得出源模型,再根据剩余的日志序列一步步优化源模型从而找到隐变迁,最后通过评价指标来判定模型的合理性。

基于Petri网行为轮廓的医疗流程挖掘方法

完善医疗流程是解决患者快速就诊问题的关键,挖掘准确的医疗流程是一项非常重要的工作。已有研究解决了如何挖掘正确指导方针的问题,但对解决指导方针内部行为之间行为关系的问题有一定的局限性。本文用基于Petri网行为轮廓的流程挖掘方法对医疗流程进行优化和扩充。根据医疗系统提供的事件日志,利用Petri网行为轮廓的弱序关系,设计出相应的流程模型,然后与初始医疗流程模型进行比较,对初始模型进行改进和优化,得到更好的医疗流程模型。

基于Petri网行为轮廓寻找业务流程变化域方法

业务流程的变化域分析是业务流程管理的核心内容之一。已有的成果主要从流程模型的一致性分析的角度来进行研究,对于复杂业务流程存在一定的局限性。基于Petri网行为轮廓理论,在分析业务流程对应活动变迁的基础上提出了寻找业务流程变化域的方法,在源模型和目标模型之间,通过给定业务流程模型中疑似变化点,去确定分析模型的变化域,并通过优化分析过程以确定最小的变化区域,并结合实例分析了该方法的有效性。

基于行为轮廓的网络日志行为相似性分析

利用Petri网建模并借助行为关系理论,对用户网络行为差异性进行分析.通过Petri网模型确定行为之间的对应关系,提出基于行为轮廓的行为相似性计算方法,对两组用户行为进行相似性比较,得到相似程度的具体数值,为用户的特征分析提供决策支持.

基于因果行为轮廓的流程变体聚类挖掘方法

由于应用的更改和流程模型的自适应性,导致现实应用中存在大量来自同一模型的流程变体。这些流程变体在结构功能上存在诸多共同之处,但至少存在一些细节结构相互区分,配置和维护这些流程变体非常困难。为实现使用较少的系统模型来描述流程变体,提出一种流程变体聚类挖掘算法。首先结合因果行为轮廓的概念将变体模型矩阵化,然后应用加权余弦相似度来聚类活动并确定它们之间的行为关系,最后通过反复迭代直到聚类所有活动,得到一个目标参考流程模型,该模型比原参考模型更容易配置不同的流程变体。仿真实验中,将该算法和传统的流程挖掘算法,以及经典的启发式算法进行对比,结果表明了该算法在挖掘参考模型方面的可行性和有效性。

基于行为轮廓的业务流程隐变迁挖掘方法

在业务流程优化过程中,从非频繁行为中挖掘隐变迁是重要任务之一。从非频繁行为中挖掘隐变迁,能够更好地还原流程模型,提高流程的运行效率。文中依据行为轮廓的理论,在频率较高的日志中进行挖掘以获得初始模型。首先利用合理性阈值对事件日志进行过滤,得到有效的低频序列日志;其次利用低频序列日志优化初始模型,通过对各活动间行为轮廓关系与源模型的对比,来找到变化的区域,将可能存在的隐变迁挖掘出来;然后通过优化指标对挖掘到的隐变迁进行进一步验证,从而得到完整的含隐变迁的过程模型;最后通过具体的事例以及仿真对所构建的模型进行分析,并验证该方法的有效性。

基于Petri网行为轮廓的网上订餐系统变化域分析

变化域分析是业务流程管理的一项重要的研究内容。以网上订餐某APP为例,基于Petri网的行为轮廓概念,对顾客和商家交互模型中因营销策略引起的下单行为进行分析研究:首先通过行为相似性度量中采用的行为轮廓矩阵原理对比源模型与目标模型变迁对之间的行为关系,找出模型中的变化域;其次通过在变化域中配置变量变迁,达到变化域优化的目的,大大降低了业务流程产生死锁的可能。相比于源模型与目标模型,根据行为轮廓矩阵原理对比得出目标模型的变化域之后,引入了变量变迁进行配置以保证经过优化后的最终模型可以为组织或企业中不同的利益相关者提供模型中的信息,优化后的模型更能符合用户要求,最终使其更符合面向业务流程的需求。

基于行为轮廓的业务流程变化域修复方法

业务流程的变化域修复是业务流程可信分析的关键,对于存在变化域的业务流程,控制变化域的产生及修复存在的变化域是比较困难的。本文提出一种基于行为轮廓业务流程的修复方法,首先将带有变化域的模型抽象成粗粒度的模型,对带有变化域的模型进行处理,然后再转化为细粒度的模型,通过分析其行为一致性来修复模型中存在的变化域。最后结合实例来分析该方法的有效性。

基于行为轮廓的系统故障变化域定位方法研究

在业务流程管理中,系统的故障是系统行为发生变化的重要原因,如何定位系统故障的影响范围是业务流系统的一项重要研究内容。本文基于Petri网的行为轮廓理论,对自由选择网进行分析和研究,通过捕捉系统行为的事件轨迹集合,对比源模型中变迁间的弱序关系,提出自由选择网故障变化域定位算法AFCRGL;通过分析流程中的行为变化,进一步精确寻找变化域的位置,可以控制并降低变化域对流程模型整体的影响。最后以一个柔性制造Petri网系统为例,验证本文提出方法的有效性。

基于通讯行为轮廓挖掘条件非频繁行为的方法

条件非频繁行为是指带有属性值的频数较低事件轨迹所记录的行为。从记录的事件日志中挖掘条件非频繁行为是业务过程优化的主要内容之一。已有的方法删除低频次行为,较少考虑模块网间数据流角度下的条件非频繁行为。基于此,文中提出了基于通讯行为轮廓挖掘条件非频繁行为的方法。以模块网间的通讯行为轮廓理论为基础,首先,通过给定的业务过程源模型查找其可执行事件日志,并且找出频数较低的事件轨迹,添加相关属性及属性值,即可得到条件非频繁轨迹;其次,通过计算不同模块网间通讯特征的条件依赖数值,确定条件不频繁轨迹是否删除或保留,从而得到优化事件日志,进而挖掘出优化通讯模型;最后,通过仿真实验验证了该方法的可行性。

基于行为轮廓定义目标规则的流程建模推荐方法

为了打破基于流程库的流程建模推荐方法中路径和图结构的限制,为建模者从流程库中提取更多有用的推荐信息,进而辅助建模者建立更高质量的业务流程模型,提出了一种基于行为轮廓定义业务目标实现规则的流程建模推荐方法。首先,通过业务陈述制定用于形式化及抽象化表达业务交互规则的目标轮廓矩阵;接着,通过其与行为轮廓矩阵集中全部行为轮廓矩阵的比对,找出流程库中所有满足目标轮廓矩阵的流程作为候选流程集;最后,通过行为轮廓度量方法计算出候选流程库中与当前建模模型相似度最高的流程,并将这些流程中当前建模节点的下一节点作为推荐节点。在真实数据集上进行实验评估了所提方法,推荐能力和推荐准确率两方面的评估表明了所提方法与独立路径匹配方法相比,能够在准确率满足实际应用需求的同时为建模者提供更多有价值的推荐信息。

基于行为轮廓和逻辑Petri网的模型修复方法

现实中的业务流程不断发生变化,需要对初始的业务流程模型进行修复以更好地表示实际业务流程。模型修复的关键步骤是分析现实日志和模型间的偏差,目前寻找偏差的方法主要采用对齐重演技术,未从行为的角度定量分析抽象的结构。因此,提出了一种通过行为轮廓分析日志和模型偏差的方法,并在此基础上进一步给出了基于逻辑Petri网的模型修复方法。首先,基于行为轮廓计算日志和模型间的服从度以识别偏差迹;然后,在偏差迹中依据偏差三元组集从偏差活动中选择逻辑变迁;最后,基于逻辑变迁设置逻辑函数,并通过添加新的分支或重构新的结构来修复原模型。对修复模型的适应度和精确度进行了验证,仿真实验结果表明,在尽可能保持修复模型与原始模型相似的基础上,相较于Fahland方法与Goldratt方法,所提修复方法在适应度都为1的情况下,得到的修复模型具有更高的精确度。

基于Petri网行为轮廓的网上购物流程挖掘方法

为了满足企业业务流程模型的运行效率、完善网上购物流程,提出了一种基于Petri网行为轮廓的网上购物流程挖掘方法.首先根据某网上购物系统提供的事件日志,利用Petri网行为轮廓的弱序关系,设计出相应的流程模型;然后通过计算模型与事件日志之间的服从程度,对初始模型进行改进和优化;最后用实例分析说明了本文挖掘方法的可行性.

基于行为轮廓的网购系统变化域优化分析

业务流程管理的变化域分析是当前一个研究热点。本文通过对Petri网业务流程模型进行分析,建立行为轮廓矩阵,将源模型与目标模型进行研究,找出模型中的变化域。通过添加配置变迁,优化模型,使模型与实际更为贴近,更加满足用户的需求。以实际的网购系统为例,利用软件对系统进行仿真处理,验证该系统的有效性以及可行性。