启发式并行化单触发序列挖掘算法

为解决因缺少挖掘所需案例属性的支持而无法使用成熟挖掘算法对单触发序列进行挖掘的问题,从模型层和实例层双视角进行研究,从模型角度证明轨迹中存在循环以保证挖掘基础的正确性,提出构建并发块集来解决并发活动对案例划分引起混淆的问题;从轨迹角度对启发式方法进行改进以适应案例划分,提出启发式的并发关系度量方法以降低噪声对并发关系挖掘的影响,通过构建含有并发关系的依赖关系表对案例进行划分。综合提出一个针对活动集并行化地进行案例划分,并根据其拟合度择优选择最佳案例的方法框架。通过大量基于真实数据集的实验展示了该方法针对单触发序列挖掘的有效性和正确性。

单触发序列突发漂移检测算法

针对现有的漂移检测算法不适用于解决单触发序列的漂移问题,提出一种基于活动距离变化的突发漂移检测方法。首先,提取每个滑动窗口中活动的关系矩阵来获取关系的特征向量;其次,为了降低关系矩阵的维度,通过计算滑动窗口之间活动的杰卡德距离,将活动的关系矩阵转换为杰卡德距离分布矩阵;然后,采用KL散度比较相邻距离矩阵中概率分布的变化来定位漂移区间;最后,为了解决粒度大小引起的不确定性问题,以循环关系的位置为窗口大小依次遍历并求得漂移区间的交集来定位漂移点。通过实验对包含12种变更模式且每种模式有5个不同大小日志的模拟数据集和两个软件仓库的执行日志的真实数据集进行了评估。结果表明,该方法可以对单触发序列的突发漂移进行有效定位。