本文關(guān)鍵詞： 協(xié)同任務(wù) 資源服務(wù)序列 工作流 跨組織 時序依賴關(guān)系　出處：《華僑大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

【摘要】：在互聯(lián)網(wǎng)、物聯(lián)網(wǎng)、云計算、大數(shù)據(jù)及其他新興信息技術(shù)的支持下,多組織協(xié)同完成一項任務(wù)的模式-協(xié)同任務(wù)模式在越來越多的領(lǐng)域得到應(yīng)用,提高協(xié)同任務(wù)中業(yè)務(wù)過程的整體效率至關(guān)重要。相應(yīng)地,資源服務(wù)也應(yīng)該以“服務(wù)流”的方式服務(wù)于業(yè)務(wù)過程,促使二者之間更佳地匹配。然而,協(xié)同任務(wù)通常是一種跨組織的業(yè)務(wù)過程,資源服務(wù)的選取和使用對于每個組織而言相對獨立,因此,這種自治性和全局最優(yōu)化之間的矛盾制約了資源服務(wù)流的選取。為此,資源服務(wù)流的挖掘已成為協(xié)同任務(wù)系統(tǒng)中一個重要的研究主題。在協(xié)同工作流下,分析資源服務(wù)之間的時序關(guān)系,挖掘資源服務(wù)的序列模式,著重考慮資源服務(wù)序列的跨組織特性,并提出相應(yīng)的分析和挖掘方法。分別展開如下研究:(1)資源服務(wù)時序關(guān)系模型。為了準(zhǔn)確地描述資源服務(wù)序列,基于工作流模型,把資源服務(wù)的時序關(guān)系從工作流模型中分離出來,提出一種資源服務(wù)時序關(guān)系模型。(2)資源服務(wù)序列模式挖掘方法。為了分析并獲得資源服務(wù)序列模式,通過分析資源服務(wù)之間的時序依賴關(guān)系,求解時序關(guān)系強(qiáng)度;同時,針對大規(guī)模業(yè)務(wù)數(shù)據(jù),提出一種基于迭代的挖掘結(jié)果合并方法,其中,借助了移動平均法合并各分析結(jié)果為最終的資源服務(wù)時序關(guān)系模型,最后通過實驗驗證方法的有效性并對實驗結(jié)果進(jìn)行分析。(3)基于相似度的跨組織資源服務(wù)序列模式獲取方法。考慮資源服務(wù)序列的組織特性,同時也為提高資源服務(wù)序列模式的可重用性,基于資源服務(wù)序列模式的分析和獲取,對已有的資源服務(wù)序列進(jìn)行擴(kuò)展,首先定義同構(gòu)序列和原始序列,從資源服務(wù)時序關(guān)系模型中得到原始序列,再對組織信息的相似度進(jìn)行量化定義,把相似度高的同構(gòu)序列作為擴(kuò)展序列,并通過實驗驗證獲取方法的有效性。最后,詳細(xì)介紹了一個典型的協(xié)同任務(wù)系統(tǒng)-中小企業(yè)云制造服務(wù)平臺,并通過該平臺驗證理論研究結(jié)果的有效性。
[Abstract]:With the support of the Internet, Internet of things, cloud computing, big data and other emerging information technologies, the multi-organization collaborative task model has been applied in more and more fields. It is essential to improve the overall efficiency of business processes in collaborative tasks. Accordingly, resource services should also serve business processes in a "service flow" manner, enabling a better match between the two. Collaborative tasks are usually a cross-organizational business process, and the selection and use of resource services are relatively independent for each organization. Therefore, this contradiction between autonomy and global optimization restricts the selection of resource service flows. Resource service flow mining has become an important research topic in collaborative task system. Under collaborative work flow, the temporal relationship between resources and services is analyzed, and the sequential patterns of resource service are mined. The cross-organizational characteristics of resource service sequence are considered, and the corresponding analysis and mining methods are proposed. The following researches are carried out respectively on the model of resource service temporal relationship. In order to accurately describe the resource service sequence, the workflow model is used to describe the resource service sequence. In order to analyze and obtain the sequential pattern of resource service, a method of mining resource service sequence pattern is proposed by separating the temporal relation of resource service from workflow model. By analyzing the temporal dependence between resources and services, the intensity of temporal relationship is solved. At the same time, for large-scale business data, an iterative mining result merging method is proposed, in which, With the help of the moving average method, the results of the analysis are combined to form the final model of the time series of resources and services. Finally, the validity of the method is verified by experiments and the experimental results are analyzed. At the same time, in order to improve the reusability of the resource service sequence pattern, based on the analysis and acquisition of the resource service sequence pattern, the existing resource service sequence is extended. First, the isomorphic sequence and the original sequence are defined. The original sequence is obtained from the model of resource service time series, and then the similarity of organizational information is quantified. The isomorphic sequence with high similarity is regarded as the extended sequence, and the validity of the method is verified by experiments. A typical collaborative task system, cloud manufacturing service platform for small and medium-sized enterprises, is introduced in detail, and the validity of the theoretical research results is verified by the platform.
【學(xué)位授予單位】：華僑大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TP393.09

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 徐敏,金遠(yuǎn)平;基于抽樣技術(shù)的序列模式的維護(hù)[J];計算機(jī)應(yīng)用研究;2001年03期

2 鄧明榮,葉福根,史烈,潘云鶴;挖掘泛化序列模式的一種有效方法[J];浙江大學(xué)學(xué)報(理學(xué)版);2002年04期

3 呂靜,王曉峰,Osei Adjei,Fiaz Hussain;序列模式圖及其構(gòu)造算法[J];計算機(jī)學(xué)報;2004年06期

4 紀(jì)兆輝;李存華;;挖掘閉合多維序列模式的可行方法[J];計算機(jī)工程與設(shè)計;2009年22期

5 邢容;;序列模式圖可視化算法的研究與實現(xiàn)[J];中國城市經(jīng)濟(jì);2010年10期

6 丁祥武;序列模式的可信度[J];計算機(jī)應(yīng)用與軟件;1999年05期

7 李宏,陳松喬;一種序列模式的概念及挖掘算法[J];中南工業(yè)大學(xué)學(xué)報(自然科學(xué)版);2001年04期

8 呂安民,柯美忠,李成名,林宗堅;灰色系統(tǒng)模型在時間序列模式中的應(yīng)用研究[J];微機(jī)發(fā)展;2002年05期

9 靳曉明 ,陸玉昌 ,石純一;序列中的一般化局部序列模式發(fā)現(xiàn)(英文)[J];軟件學(xué)報;2003年05期

10 鄒翔,張巍,肖明軍,蔡慶生;分布式環(huán)境下的序列模式發(fā)現(xiàn)研究[J];復(fù)旦學(xué)報(自然科學(xué)版);2004年05期

相關(guān)會議論文 前6條

1 杜瑩;陸啟韶;王士敏;;研究神經(jīng)放電序列模式變化的一種新方法[A];第十一屆全國非線性振動學(xué)術(shù)會議暨第八屆全國非線性動力學(xué)和運(yùn)動穩(wěn)定性學(xué)術(shù)會議論文摘要集[C];2007年

2 丁祥武;;序列模式的可信度[A];第十六屆全國數(shù)據(jù)庫學(xué)術(shù)會議論文集[C];1999年

3 周常恩;謝伙生;白清源;謝麗聰;張瑩;;挖掘鄰近序列模式的一個高效算法[A];第二十三屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（技術(shù)報告篇）[C];2006年

4 童詠昕;張媛媛;袁玫;馬世龍;于丹;趙莉;;一種挖掘壓縮序列模式的有效算法[A];第26屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（A輯）[C];2009年

5 張琪;朱秋云;朱紹文;姬朝陽;魏苑琦;陳亮;;對一種序列模式的增量式算法的改進(jìn)[A];2005年中國智能自動化會議論文集[C];2005年

6 朱揚(yáng)勇;郭德培;施伯樂;;數(shù)據(jù)庫中序列模式的增量數(shù)據(jù)采礦技術(shù)[A];數(shù)據(jù)庫研究進(jìn)展97——第十四屆全國數(shù)據(jù)庫學(xué)術(shù)會議論文集（上）[C];1997年

相關(guān)博士學(xué)位論文 前4條

1 王濤;挖掘序列模式和結(jié)構(gòu)化模式的精簡集[D];華中科技大學(xué);2006年

2 黃芹華;隱私保持?jǐn)?shù)據(jù)挖掘與知識發(fā)現(xiàn)研究[D];上海大學(xué);2007年

3 曾強(qiáng);面向軟件漏洞的挖掘方法研究[D];燕山大學(xué);2014年

4 張榛楠;面向電子商務(wù)的Web使用挖掘關(guān)鍵技術(shù)研究[D];中國礦業(yè)大學(xué)（北京）;2009年

相關(guān)碩士學(xué)位論文 前10條

1 于紅軍;加權(quán)負(fù)序列模式增量更新算法研究[D];齊魯工業(yè)大學(xué);2015年

2 牟曉惠;序列模式在醫(yī)保數(shù)據(jù)分析中的應(yīng)用研究[D];齊魯工業(yè)大學(xué);2015年

3 俞正驕;面向電子商務(wù)個性化推薦的序列關(guān)聯(lián)挖掘研究[D];河北工業(yè)大學(xué);2015年

4 劉昕宇;基于數(shù)據(jù)挖掘的道路交通事故序列模式與嚴(yán)重程度預(yù)測研究[D];北京交通大學(xué);2016年

5 羅輝云;基于序列模式和PN機(jī)的場景入侵檢測研究與設(shè)計[D];廣東工業(yè)大學(xué);2016年

6 黃健;基于頻繁模式的中國城市PM_(2.5)污染規(guī)律研究[D];大連理工大學(xué);2016年

7 郭堯耀;基于加權(quán)序列模式的新聞推薦算法研究[D];華南理工大學(xué);2016年

8 劉傳魯;可決策的正負(fù)序列模式選取方法研究[D];齊魯工業(yè)大學(xué);2016年

9 楊愛鑫;多支持度下加權(quán)負(fù)序列模式算法研究[D];齊魯工業(yè)大學(xué);2016年

10 梁夢夏;面向協(xié)同任務(wù)優(yōu)化的序列模式分析方法研究[D];華僑大學(xué);2017年

，

本文編號：1502753