一种Petri网模型完备日志生成算法

完备日志是过程挖掘算法设计和算法评价的前提条件,基于行为分析的Petri网模型完备日志生成算法存在状态空间爆炸的问题。提出了基于结构分解的算法,通过生成完备日志次序关系集,构造Petri网模型完备日志。结构分解方法降低了算法时间复杂度,日志次序关系组合计数使得量化评价日志完备性成为可能。

一种基于诱导规则的Petri网完备日志生成算法

过程挖掘旨在从事件日志中自动抽取过程模型用于支持过程设计和分析,完备日志是过程挖掘算法设计、测试和分析的前提。提出了基于Petri网模型行为仿真的完备日志生成算法,在仿真过程中加入基于发生次数及相继关系的诱导规则,即在有多个任务使能的情况下选择触发发生次数少且覆盖新相继关系的任务,使其在尽可能少的实例下产生完备的日志。诱导规则的应用减少了模拟模型发生的各种情况所需的时间,同时也提高了所有情况发生的概率,使得日志的完备性成为可能。

一种能挖掘不完备日志的改进α算法

对于不完备日志挖掘这一过程挖掘的难题,在传统α算法的基础上,提出了一种不完备日志的过程挖掘算法。该算法在α算法给出的并行关系定义的基础上,提出了一组隐含并行关系的推导规则,利用已知的任务关系推导出日志中缺失的隐含并行关系,在此基础上构造出过程的结构模型。实验结果证明,该算法对不完备日志的挖掘效果优于传统α系列算法。

基于完全有限前缀的完备日志生成算法

鉴于理想的完备日志很难被获取,针对特定次序关系完备的日志已成为评估挖掘算法表现的重要数据来源。提出了一种新颖的针对特定次序关系完备日志生成算法,基于完全有限前缀计算轨迹,使日志生成过程可控。扩展了完备日志的生成算法,使日志能够针对Δw关系和w关系完备,从而满足α谱系挖掘算法对日志的完备性要求。同时提出了一种日志生成算法的评估框架,并对日志生成算法进行评估。

基于不完备日志联合发生关系的行为变化挖掘方法

为解决从日志中挖掘业务系统行为变化的问题,提出一种基于不完备日志和日志联合发生关系的挖掘方法。在业务系统原始参考模型未知的情况下,利用系统不含隐变迁的不完备日志,得到日志中活动的联合发生关系;通过提取活动发生的不变集,挖掘日志中的删除(delete)、插入(Insert)和移动(Move)变化操作,实现日志驱动下的系统行为变化挖掘。通过ProM仿真验证了所提方法可以实现系统行为变化的日志挖掘,实验结果表明了该方法的有效性和正确性。

基于不完备日志的块状并发过程挖掘

不完备日志挖掘由于日志中含有较少的迹,使活动间潜在关系不能被正确表示。为此,引入间接关系表示并提出一种针对块状并发过程模型的挖掘算法。根据活动在层次树中的位置,发现潜在的因果跟随关系并得到正确的因果跟随关系集合,在此基础上,挖掘出块状并发过程模型。实验结果表明,在处理并发完备日志时,相对α‖算法和IM算法,该算法具有较高的精确度与较低的复杂度,且挖掘结果更简洁。

不完备事件日志下的业务系统变化检测及模型修复方法

业务系统在演进过程中不可避免地引入变化因素,如何将演进中的变化因素对系统模型进行修复具有实际意义。现有模型修复主要针对原始参考模型和完备日志进行,存在原始参考模型未知和不完备日志的局限性。因此,提出基于不完备日志的变化检测方法,在系统原始模型未知的情形下,利用活动的比较矩阵(行为轮廓矩阵)描述事件日志的Delete、Insert和Move变化操作,从而发现原始事件日志同系统实际日志的局部变化偏差域,根据日志偏差域对原始日志发现的模型进行修复,提出7个实现模型修复的算法。最后,通过ProM工具对所提方法进行了仿真和实验,实验结果表明了方法的有效性和正确性。

面向日志完备性的事件日志采样方法

针对已有采样方法在处理大规模事件日志时仍存在效率低下且无法保证模型质量的问题,提出面向日志完备性的事件日志采样方法,包括完全遍历采样法、集合覆盖采样法、基于轨迹长度的采样方法和基于轨迹频次的采样方法,并在开源流程挖掘工具平台ProM中实现。采用9个公开事件日志数据集从时间性能分析和模型质量评估两方面实验表明,所提采样方法在保证模型挖掘质量的前提下能够大幅提高日志采样效率。

基于日志完备性的过程漂移检测方法

过程挖掘中漂移检测的目的是通过检测日志的变化来断定模型是否发生了改变,然而现有方法存在抽取特征量大、检测延迟及无法准确定位变化区域的局限。针对突发漂移检测提出一种基于完备性的漂移检测算法。首先,将突发漂移检测转换为日志中局部完备性计算问题;然后,利用切比雪夫不等式推断完备性表达式;进一步,通过可选参数的窗口来训练完备性初始值,避免选择及并发结构的干扰;最后,定义了切割操作对漂移之前的完备值进行清除,进而对日志进行迭代检测。通过多组模型数据进行了实验评估,并与已有方法进行对比,验证了所提方法的有效性。

一种挖掘二度循环的扩展Alpha算法

为解决现有挖掘算法无法从不具有显式行为特征"aba"的局部完备性的日志文件中挖掘最简2度循环的问题,对经典的alpha算法进行了扩展,提出了αL算法,用于从具有行为特征或不具有行为特征的局部完备性日志中挖掘出最简2度循环。给出了最简2度循环的形式化定义。从全局角度根据不同结构具有不同行为轨迹来区分最简2度循环与并发结构。通过紧邻关系的强弱,来有效识别并发分支上同类型的最简2度循环结构。通过大量模型实验表明了所提算法的有效性,并将算法集成在开源框架ProM中。

工业过程中基于FP-growth的启发式过程建模

为了解决工业生产过程中记录的生产日志不完备及一些非频繁行为易被忽略,造成企业生产效率低下的问题,提出一种基于FP-growth的启发式过程挖掘算法。该算法改变传统关联规则算法计算单一项集支持度的方法,在计算任务间支持度的基础上找出部分任务间的关联规则,然后应用启发式挖掘算法挖掘出船舶管件的生产过程模型,并进行分析。

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。