基于轨迹聚类种群的遗传过程混成挖掘算法

遗传过程挖掘算法以模型质量引导模型的发现,在挖掘模型的同时不断修正挖掘算法的执行,因此相比于其他挖掘算法,更容易生成高质量的过程模型。但由于其迭代发现的特性,对于大型日志,挖掘效率往往较低且生成模型质量不高。针对以上问题,提出一种基于轨迹聚类种群的遗传过程混成挖掘算法(GMTC)。该算法一方面通过轨迹聚类划分事件日志,简化挖掘环境,再使用归纳挖掘算法对事件日志进行预挖掘,为遗传挖掘算法准备高质初始种群;另一方面优化遗传算子,使用对齐日志得到的模型偏差信息指导突变操作,使得突变操作由随机变为有向,从而有效地提高种群的综合质量,使遗传挖掘算法加快收敛。基于过程日志生成器生成模拟日志、某市政府建筑许可申请过程的真实日志以及6个公开数据集的实验结果表明:基于轨迹聚类种群的遗传过程混成挖掘算法相较于其他挖掘算法不但在挖掘效率方面有较大提升,而且挖掘得到的模型质量也能够达到较高的水平。

基于执行者过程树的双维度遗传过程挖掘方法

事件日志记录数量众多的事件,不仅包含与活动控制流相关的内容,还记录有关活动执行者的信息,即组织维度信息。控制流发现算法从事件日志中自动构建控制流过程模型,组织维度发现算法则构建社交网络模型。如果能合并两种维度,在同一个模型中进行展示,则能够提供更完整的过程组织视图,有助于更准确地对过程以及组织进行分析。因此,提出一种基于执行者过程树的双维度遗传过程挖掘方法(BdSm)。一方面,使用Inductive Miner预挖掘以优化遗传挖掘算法初始种群,达到生成高质量的控制流模型的目的;另一方面提出日志中活动之间距离的度量方法,能有效度量活动在组织层面的相似度,同时使用执行者信息扩充控制流过程模型,基于执行者过程树生成双维度的过程模型。通过模拟日志以及4个公开事件日志集对所提方法进行验证,结果表明,在控制流维度,所提方法能够生成较高综合质量的过程模型,同时借助组织维度信息,还能够发现典型的工作模式及组织结构。

基于数字图像处理的自动考勤系统

目前高校学生上课考勤管理都是通过任课老师上课点名来记录学生上课情况,实时性、有效性通常得不到保障,而且同学出勤得不到公平的指标。基于此设计一套基于数字图像的智能考勤,用以提高考勤的准确率以及学生的出勤率,系统主要是针对目前高校学生在线请假以及学生上课出勤管理而设计充分利用信息化、自动化的条件,可以更好规范学校规章节省上课时间,从而提高出勤率。操作结果表明,通过使用系统可大幅度减少课堂时间的浪费,约束学生的出勤。

区块链智能合约技术的原理与应用

区块链技术作为一种改变未来的新兴信息技术,自推出以来,已广泛应用于许多领域。智能合约与区块链相结合,提升了合约的自动执行能力。如果区块链与智能合约这些创新性技术能够应用于物联网、金融交易、法律、微网等领域中,将极大简化运作过程,提高效率,降低成本;但一些技术漏洞又可能使智能合约的执行导致非法的行为结果。因此,本文对如何应用区块链智能合约技术、如何解决区块链智能合约存在的问题进行分析研究。

云南省两地区典型用户负荷特性及用电特点分析

用电需求日益剧增,为了获取用户用电负荷情况,明确负荷的变化规律,提高负荷预测的准确度,就需要对用户用电负荷特性展开研究。本文在对云南省两地区的上百个典型用户的调研和分析的基础上,按行业分类对不同用户的用电负荷特性进行了对比分析,使用负荷特性曲线、负荷率等指标总结了各类型用户负荷的基本特性,为电力企业做好负荷预测、指定科学的电力规划方案提供了重要依据。