一种基于可达标识的过程模型修复方法

模型修复是一种基于模型增强的过程挖掘的应用技术,现有的模型修复方法大多是以拟合度为主要指标,对于其他维度,诸如精确度,考虑较少。基于此,本文试图综合考虑多个维度,来对过程模型进行修复。校准能够对事件日志进行重演,发现各类偏差,即日志动作和模型动作,却无法确定偏差在Petri网中出现的位置。因此,基于Petri网的可达标识,提出了扩展校准的概念,这样便能确定偏差的位置。进一步地,针对扩展校准中出现的日志动作提出了RMR(Reachable Marking Repaining)算法进行修复。最后,通过实验证明修复算法在拟合度和精确度上均有较好的表现。

一种高精确度的过程模型修复方法

为了解决现有方法修复的过程模型精确度不高的问题,提出一种高精确度过程模型修复方法。为了便于确定偏差的位置,基于Petri网可达标识提出扩展校准的概念。针对扩展校准中的日志动作收集形成子日志,并将子日志挖掘出的子过程插入原模型中,避免了现有方法由于添加自环导致这一子过程多次重复发生的问题。结合Petri网的过程树,通过查找过程树的非叶子节点,能够定位到Petri网的选择结构。针对选择结构提出一种新的偏差类型,并给出判定方法,将挖掘出的子过程作为选择结构的一条分支,对模型进行修复。通过青岛某医院就诊数据的实例分析,验证了该修复算法有较高的拟合度和精确度。

融合声纹信息的能量谱图在鸟类识别中的研究

常用的梅尔倒谱系数结合高斯混合模型(MFCC+GMM)方法的鸟鸣声识别技术难适应噪声环境,模型难以收敛,且计算复杂度高。该文提出一种融合声纹信息的能量谱图的鸟类识别方法(VPS-BR),该方法利用鸟类鸣声在能量谱图上所表现的多维差异性,定量识别鸣声声纹特征。通过对分贝能量进行颜色映射得到能量谱图,提取其视觉特征所表达的声学特征,分析归纳得到鸟类特有鸣声模式。在特征提取步骤中,选用识别速度快的局部二值模式、识别鲁棒性高的方向梯度直方图两个参数表征鸟鸣声谱图的边缘声纹;在识别步骤中,用局部二值模式和方向梯度直方图两种特征分别与支持向量机、K最近邻和随机森林3种分类器算法进行两两组合构建识别模型测试。对15种原始带噪鸟类鸣声数据集进行交叉验证,VPS-BR模型的平均识别率比MFCC+GMM组合模型高出11.3%,方向梯度直方图特征与K最近邻分类器的组合模型识别率达90.5%,表现出较好的抗噪性能和识别性能。最后针对样本数据集缺乏问题,使用生成对抗网络进行图像增强,进一步将识别率提升1.48%。

基于引发序列的流程模型修正

随着信息系统在业务流程中的广泛应用,对事件日志与业务流程的需求也随之增加.由于事件日志的爆炸式增长,有些事件日志不能被流程模型正确地重演.通过合规性检查可以检测与诊断模型与日志之间存在的差异.但是,合规性检查技术不能对流程模型做出正确的修正.基于事件日志中的引发序列,从移除活动、增加活动及改变模型子流程3个方面解决了流程模型的修正问题.在进行模型修正时,需要确定移除的活动在模型中所在的结构、增加的活动与相邻活动的关系以及需要改变的子流程.流程模型修正的目的在于使修正的流程模型可以重演(大多数)的事件日志,并且使得到的修正模型尽可能与原模型相似.通过仿真模拟提出的修正方法,实验验证了该方法的正确性与实用性.

基于逻辑Petri网的模型修正方法

为了解决现有模型修正方法仅考虑拟合度,而忽略精确度以及简洁度等指标的问题,提出一种基于逻辑Petri网的模型修正技术。利用已有的一致性检测技术计算最优校准,并通过标识所在库所定位偏差位置。给出了逻辑校准和逻辑最优校准的定义,并提出一种基于最优校准的计算拟合度的方法。将本文所提方法与Fahland方法进行对比分析,表明本文修正方法的拟合度和精确度更高,能够更好的修正带有复杂循环结构的流程。最后,通过仿真实验证明了方法的有效性。

一种可发现特定循环结构的改进α-算法

为有效解决α-算法在业务流程建模中对特定循环结构存在错误挖掘的问题,提出一种可发现特定循环结构的改进α-算法。首先提出一种特定循环结构发现算法,将此算法应用于α-算法中,改进α-算法。然后基于实例对改进后的算法进行实验验证。数据比较和一致性检测分析结果表明,该算法能够正确挖掘特定循环结构,并且挖掘结果拟合度高。