基于时间的工作流模型挖掘算法的研究与实现

提出了一种基于时间的工作流模型挖掘方法以提高工作流模型挖掘技术的准确性.运用事件日志挖掘活动的执行时间和活动之间的直接等待关系、相交关系和后继等待时间,建立活动间的边矩阵与并行活动矩阵,找出边之间的关系,从而得到带有时间性能的工作流模型.给出的实例说明了这种方法在提高模型准确率与描述能力等方面的优势.     

基于关键属性约束的关联规则挖掘在日志分析中的应用

日志是计算机取证,入侵检测分析的重要数据来源,运用关联规则挖掘算法对日志进行分析是获取日志中所蕴含有用信息的重要方法.针对基于置信度一支持度框架的常用关联规则挖掘算法在日志分析中存在的不足,引入日志关键属性的概念,提出了基于关键属性约束的关联规则挖掘算法.实验结果表明,该算法能有效阻止无趣规则的产生,提高挖掘结果的有效性.     

基于TCM的可信事件日志生成方法

系统事件日志记录是系统安全审计最重要的数据源.现有的日志保护机制主要解决事件日志生成后的数据完整性保护方面的问题,但对于日志数据生成阶段的可信生成方面还没有解决.本文主要贡献是提出了一种基于TCM模块的可信事件日志生成方法,为事件日志提供了生成时的数据完整性、可认证性等安全特性,增强了事件日志数据的可信性,通过分析证明了本方法的有效性和可实施性.     

基于Web日志的数据挖掘的研究及应用

Web日志挖掘是Web数据挖掘中非常重要的一个研究领域和研究方向,首先介绍了Web日志挖掘的过程,然后介绍了关联规则及关联规则算法——FP-growth算法,最后将关联规则中的FP-growth算法应用在网上书店系统中,实现对客户数据的关联规则挖掘。     

电子商务中WEB数据挖掘技术的应用

在电子商务活动中,WEB数据挖掘成为商务活动的迫切需求。WEB数据挖掘技术综合运用Internet技术、人工智能、信息学、统计学等多领域技术,从包括服务器数据、WEB日志文件、查询数据、客户登记信息等既有信息中,运用协同过滤、关联规则等技术挖掘有益信息,促进电子商务的进一步发展。     

改进的面向流程挖掘的日志数据融合方法

现有的流程挖掘技术和工具都是针对单个日志文件,但在实际业务环境中,一个业务流程的执行往往需要多个信息系统共同支撑,信息系统产生的流程日志数据将被分布在不同的日志文件中,有必要对这些分散的日志数据进行融合,以供对全局流程的挖掘分析.文中提出了一种基于模拟退火与人工免疫混合算法的日志融合方法.该方法针对跨IT系统的流程日志特点,在亲和度计算中考虑了流程路径出现频次和实例时间重叠区域两个算子,以提高匹配实例的准确度和方法的实用价值;在种群进化中引入模拟退火选择思想,以解决人工免疫算法早熟和持续退化的问题,并加入了记忆库机制,加强每一代种群的多样性保持,避免种群局部收敛.实验结果表明:文中方法的日志融合成功率达90%以上,能保证流程挖掘结果的正确性;与传统基于人工免疫的日志融合方法相比,文中方法的收敛速度明显提升,提高了融合效率.     

基于UML活动图的工作流过程建模研究

根据工作流管理联盟（WfMC）的工作流参考模型给出一个基于UML活动图的工作流过程元模型及其建模和执行规则,使模型既保持良好的直观性,又增强了在交互性、活动间的控制依赖关系、异常处理等方面的表达能力.     

基于关联图的改进关联规则在推荐系统中的应用

提出了推荐模型中的关联规则挖掘方法的改进,给出了自定义的页面权值的定义,并改进了基于关联图的关联规则挖掘算法,将页面权值应用于关联规则的挖掘中。此算法是利用Web日志中经过预处理后得到的数据进行规则挖掘,将处理后的数据应用正态分布函数来得到页面权值。用页面权值重新计算支持度,最后将得到的支持度应用于改进的规则挖掘算法中,形成一种基于权值的关联图的关联规则算法。     

基于聚类的Web序列模式挖掘

Internet飞速发展在带给人们很多方便的同时,也出现了一个新问题,即如何从大量的Web日志数据中快速而方便的找到所需要的信息,Web日志挖掘是其关键技术之一.本文使用了RACE算法及使用长度分析实现了Web序列模式的日志挖掘,并进行了实例分析.     

一个基于数据仓库Web日志的数据挖掘实例

结合实例对商务网站Web日志数据进行挖掘研究,介绍将Web数据转变为数据仓库数据的过程和数据挖掘的方法,文章的最后讲述了可视化数据挖掘技术在表现挖掘结果中的应用.     

一种基于校准的模型问题域识别方法

以Petri网作为描述流程模型的形式化方法,利用工作流的四种基本结构描述流程中活动之间的关系;结合流程模型质量维度中的拟合度、简化度、精确度和泛化度,给出了流程模型中执行序列与事件日志中迹的校准方法。通过所提出的校准动作序列与流程模型的映射方法,可以识别流程模型的问题域。通过网上购物的实例验证了方法的有效性和实用性。     

基于数据挖掘的网络日志分析

日志挖掘是Web数据挖掘的一个重要研究领域.本文首先介绍了Web日志挖掘的方法,然后将Web日志挖掘方法运用于一个学校的网站中,结合Apriori算法对预处理之后的数据进行挖掘,获取页面之间的关联关系,对网站结构的优化提供一定的依据.     

基于粗糙集的Web日志挖掘研究

提出了一种基于粗糙集的Web日志挖掘模型,该模型采用粗糙集的方法对原始数据进行约简,然后应用粗糙集理论对数据进行定性分析和约简.最后结合一个Web日志实例验证了方法的可行性和有效性.     

基于过程挖掘的分层学习行为模型发现方法

教育过程挖掘将过程挖掘技术应用于教育数据分析,是教育数据挖掘的重要分支之一。当前教育数据挖掘主要是用经典的机器学习算法对在线学习数据进行建模分析,难以描述全局的学习过程。凭借解析事件日志发现控制流模型的过程挖掘技术可以解决这一难题,但由于真实数据受各种客观因素的影响,存在大量噪声和无关行为,已有的挖掘方法往往会生成“意大利面模型”,不利于分析理解。针对这一问题,本研究提出分层过程挖掘方法发现学生学习过程。具体方法是：通过解析带生命周期事件日志的时间属性,发现活动嵌套关系;然后构造分层事件日志,进而挖掘描述学习行为的分层过程模型;最后用契合度、精确度、F-值三个指标,系统地比较分层过程挖掘方法与已有过程挖掘方法所挖掘模型的区别。     

基于关联规则的虚拟主机网站日志挖掘

网站日志记录了用户的浏览行为，通过挖掘网站日志，可以分析用户行为，为优化网站结构提供有价值的数据．但是很多虚拟主机网站没有日志记录功能，这给日志挖掘带来了极大的不便．本文介绍一种生成日志的方法，并利用关联规则算法对其进行日志挖掘，发现用户的访问模式，帮助网站改进页面结构．     

基于关联规则的虚拟主机网站日志挖掘

网站日志记录了用户的浏览行为，通过挖掘网站日志，可以分析用户行为，为优化网站结构提供有价值的数据．但是很多虚拟主机网站没有日志记录功能，这给日志挖掘带来了极大的不便．本文介绍一种生成日志的方法，并利用关联规则算法对其进行日志挖掘，发现用户的访问模式，帮助网站改进页面结构．     

基于web日志挖掘的数据预处理研究

Web日志信息的预处理是Web日志挖掘任务中的重要阶段,也是工作量较大的一部分.Web服务器上的数据是半结构化的,而且含有大量和挖掘无关的记录和冗余项.这就需要对其进行处理以得到适合挖掘的数据事务(Transaction)形式.Web日志预处理就是通过一系列的清洗、集成、转换等来得到合适的待挖掘数据.本文重点介绍了数据清理、用户识别、会话识别、路径补充、事务识别等过程.     

高性能网格工作流中的数据服务优化研究

作为数据服务的原有架构中的开源关系数据库并不能很好地适应高并发和大数据量的处理,分析并总结了高性能网格工作流对数据服务在功能和性能方面的实际需求,结合这些需求设计并实现了新的适合高性能网格工作流的数据服务组件TreapDB,其使用了内存映像索引和追加型日志数据文件相结合的方式,降低了流程数据读写的I/O等待时间,同时也能满足流程数据查询的业务需求.实验表明:经过对数据服务的优化,网格工作流的整体性能得到了显著提升,在CNGrid生物信息社区中得到了很好的应用.     

云工作流时间延误处理策略综述

在云计算环境中,如何确保工作流实例按时完成是云工作流系统设计的一个重要方面,是提高云工作流系统性能和可用性的一个关键问题.如果工作流实例不能满足时间约束限制,就可能会降低工作流实例运行结果的有用性,甚至是导致经济上的损失.因此,有必要寻找有效的策略以提高云工作流系统的按时完成率.论文对计算密集型的科学工作流和实例密集型的商务工作流的时间延误处理策略(又称为时序异常处理策略)分别进行了归纳和分析.最后,探讨了未来云工作流时间延误处理的研究方向.     

基于Flume的网络安全可视化系统

随着互联网使用者的快速增长,网络安全问题也不断增多.传统的基于日志的入侵检测系统在处理海量信息时存在着实时性不足,认知负担过重等缺点.本文提出了一种基于Flume的网络安全日志可视化方法,利用Flume处理日志信息的高效性,实时收集网络安全日志,结合数据可视化方法,挖掘隐藏的网络异常信息.与传统的基于数据库存储的安全分析相比,提高了数据处理的实时性,能够更直观的展现网络网络异常.