業(yè)務(wù)過(guò)程挖掘和檢索是業(yè)務(wù)過(guò)程管理的重要組成部分,精確高效的業(yè)務(wù)過(guò)程挖掘和檢索能夠提高企業(yè)的業(yè)務(wù)過(guò)程管理能力,進(jìn)而加強(qiáng)企業(yè)的競(jìng)爭(zhēng)力。隨著社會(huì)和企業(yè)的發(fā)展,系統(tǒng)產(chǎn)生并記錄的日志越來(lái)越復(fù)雜,從繁瑣復(fù)雜的日志中挖掘塊結(jié)構(gòu)過(guò)程變得更加具有挑戰(zhàn)性。本文通過(guò)縱向劃分日志,極大地減少每個(gè)日志劃分的實(shí)例數(shù),并縮短每條跡的長(zhǎng)度,把每個(gè)日志劃分當(dāng)作原日志,為了從中挖掘出精確的模型,解決目前已有的過(guò)程挖掘方法在發(fā)現(xiàn)循環(huán)結(jié)構(gòu)和隱藏行為上存在的缺陷,本文提出一種基于后繼關(guān)系的行為塊過(guò)程挖掘方法,該方法依據(jù)后繼關(guān)系定義建立日志的后繼關(guān)系矩陣,通過(guò)分析矩陣中變遷間對(duì)應(yīng)的值,發(fā)現(xiàn)所有的最小行為塊和隱藏的行為關(guān)系。利用組合原理組合所有行為塊得到該日志劃分的初始模型,用隱藏的行為關(guān)系修正初始模型得到最終模型,組合所有日志劃分的模型得到復(fù)雜日志的模型。為了提高從企業(yè)模型庫(kù)中檢索模型的效率,進(jìn)而提高業(yè)務(wù)過(guò)程管理的能力,本文從兩個(gè)不同的角度設(shè)計(jì)了兩種不同的相似性度量算法:基于變遷圖編輯距離的過(guò)程相似性算法和基于加權(quán)流關(guān)系的過(guò)程相似性算法。通過(guò)圖編輯距離衡量?jī)蓚�(gè)模型間的相似性是一種經(jīng)典的相似性度量方法,本文給出變遷圖的概念及其生成...

【文章頁(yè)數(shù)】：83 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
引言
1 緒論
    1.1 研究背景
    1.2 研究現(xiàn)狀
        1.2.1 過(guò)程挖掘
        1.2.2 過(guò)程相似性算法
    1.3 主要貢獻(xiàn)
    1.4 本文結(jié)構(gòu)
2 基礎(chǔ)知識(shí)
    2.1 Petri網(wǎng)相關(guān)概念
    2.2 共同變遷與后繼關(guān)系
    2.3 權(quán)重分配規(guī)則
3 基于后繼關(guān)系的行為塊過(guò)程挖掘方法
    3.1 后繼關(guān)系矩陣
    3.2 后繼關(guān)系矩陣中的模式
        3.2.1 后繼順序模式
        3.2.2 選擇模式
        3.2.3 并行模式
        3.2.4 循環(huán)模式
    3.3 隱式直接后繼關(guān)系
    3.4 基于重復(fù)變遷的行為塊組合
        3.4.1 基于重復(fù)變遷的最小行為塊組合
        3.4.2 基于重復(fù)變遷的結(jié)構(gòu)行為塊組合
        3.4.3 算法
    3.5 實(shí)例分析
    3.6 小結(jié)
4 基于日志劃分的塊結(jié)構(gòu)過(guò)程挖掘
    4.1 基于共同變遷的活動(dòng)劃分
    4.2 基于活動(dòng)劃分的模塊劃分
    4.3 基于活動(dòng)劃分和模塊劃分的日志劃分
    4.4 基于日志劃分的塊結(jié)構(gòu)過(guò)程挖掘
    4.5 無(wú)共同變遷的塊結(jié)構(gòu)挖掘方法
        4.5.1 無(wú)共同變遷的活動(dòng)劃分
        4.5.2 基于活動(dòng)劃分的日志劃分
        4.5.3 日志劃分的再劃分
    4.6 塊結(jié)構(gòu)挖掘算法
        4.6.1 算法設(shè)計(jì)
        4.6.2 算法復(fù)雜度
    4.7 實(shí)驗(yàn)設(shè)計(jì)與分析
        4.7.1 實(shí)驗(yàn)設(shè)計(jì)
        4.7.2 實(shí)驗(yàn)結(jié)果分析
    4.8 小結(jié)
5 基于加權(quán)流關(guān)系的過(guò)程相似性算法
    5.1 ωF生成算法
    5.2 ωF相似性
        5.2.1 相似性的計(jì)算方法
        5.2.2 ωF算法
    5.3 實(shí)驗(yàn)與分析
        5.3.1 實(shí)驗(yàn)設(shè)計(jì)
        5.3.2 ωF算法相似性性質(zhì)驗(yàn)證
        5.3.3 時(shí)間復(fù)雜度分析及性能比較
    5.4 小結(jié)
6 基于變遷圖編輯距離的過(guò)程相似性算法
    6.1 圖編輯距離
    6.2 基于變遷圖的相似性計(jì)算
        6.2.1 變遷圖的生成
        6.2.2 變遷圖的行為語(yǔ)義
        6.2.3 圖編輯操作及其代價(jià)
        6.2.4 相似性計(jì)算
    6.3 TGED算法
        6.3.1 算法設(shè)計(jì)
        6.3.2 算法時(shí)間復(fù)雜度分析
    6.4 實(shí)驗(yàn)與評(píng)估
        6.4.1 實(shí)驗(yàn)設(shè)計(jì)
        6.4.2 距離性質(zhì)驗(yàn)證
        6.4.3 相似性性質(zhì)驗(yàn)證
    6.5 小結(jié)
總結(jié)
參考文獻(xiàn)
致謝
作者簡(jiǎn)介及讀研期間主要科研成果



本文編號(hào)：3787626