一种基于日志相似度的轨迹聚类评估方法

信息系统收集了大量的业务过程事件日志,过程发现旨在从事件日志中发现过程模型。但面对高度灵活的环境,简单地应用已有的过程发现技术通常会产生不可理解的过程模型(即意大利面模型)问题。轨迹聚类方法允许分解现有的事件日志,从而有效地解决这一问题。现有的轨迹聚类方法有很多,如基于向量空间方法的聚类、基于上下文感知的聚类、基于模型的序列聚类等,通过不同的轨迹聚类方法得到的聚类效果也存在差异。评价聚类效果有很多指标,如基于模型挖掘质量的F-Measure,但已有的聚类评估指标效率低下且操作复杂,不具备简洁性和高效性。本研究提出一种基于日志相似度的轨迹聚类评估方法,通过比较聚类子日志之间的相似程度来衡量聚类日志的质量。通过对仿真事件日志和真实事件日志的实验分析表明,所提出的评估方法为轨迹聚类方法提供了一种良好的参考标准。     

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.     

基于时间卷积网络的业务流程预测监控

业务流程预测监控是过程挖掘和业务流程管理中的重要研究方向之一,在业务流程管理中事先预知运行流程未来发生的事件有很重要的意义.作为预测分析的一种应用,业务流程预测主要是利用从历史事件日志中学习的模型来预测正在运行的流程中将要发生的事件及其对应属性.基于深度学习的业务流程预测方法已经成为主流方法,主要有循环神经网络和卷积神经网络.针对循环神经网络和卷积神经网络的局限,提出一种基于时间卷积网络的业务流程预测方法,通过空洞卷积和因果卷积学习更长序列,并将业务流程中的事件及其属性都作为输入,在业务流程的执行场景中预测流程的下一个事件和剩余流程.通过3个真实生活事件日志数据集上的实验表明:对于预测下一事件任务和预测剩余流程任务时间卷积网络都有一定提升.     

电子商务站点中的频繁查找路径挖掘技术

Web上用户行为的挖掘是Web日志挖掘的重要内容，挖掘到的查找路径能够提供决策支持。分析频繁项集挖掘和路径挖掘的不同之处，提出了类Apriori算法，使之适用于路径挖掘，然后在VC＋＋中针对预处理过的日志数据进行实验分析，获得了一些可信度高的关联页面，这些页面关联信息将有助于改进商业站点结构，提高站点的访问率。     

多标记传播聚类算法在电子商务中的应用

文中介绍了Web挖掘的基本概念,提出了一种基于加权关联矩阵聚类的Web日志挖掘算法——多标记传播聚类算法,设计了一个面向电子商务的Web日志挖掘系统模型。     

基于免疫聚类的Web日志挖掘

Web日志挖掘旨在使用数据挖掘技术从Web服务器日志文件中挖掘出有用的规律和模式,以此改进网站结构以及实现Web个性化服务。本文提出基于免疫聚类的Web日志挖掘算法,利用人工免疫系统的基本原理来进行用户聚类分析,从而发现相似客户群体、挖掘潜在客户。免疫聚类通过模拟免疫系统体液免疫应答的基本过程,提取出数据的基本特征,以此概括数据的分布特征,从而实现Web日志数据的无监督自组织聚类。通过在真实数据集上的实验证明了该算法的可行性和有效性。     

基于业务流程大数据分析的多流程协同监控框架

提出了一种自底向上,基于业务流程大数据分析的多流程协同监控框架。在该框架下,首先利用通用Artifact模型对不同类型的业务流程数据进行统一封装和集成,实现流程即服务。其次,通过对流程服务(通用Artifact)行为进行一致性检测,过滤违规业务流程数据,提高业务流程大数据的质量。然后,根据日志对流程服务进行聚合分析,获取候选流程服务集。最后,采用动态蚁群算法最优流程服务协同路径。利用业务流程大数据分析合作伙伴的性能,指导协同流程监控,达到较高的监控信息质量和可利用性。     

基于模糊聚类的网站用户分类

文章给出了模糊聚类在网站用户分析中的应用。首先对web日志挖掘作了系统的介绍,包括对服务器上日志结构的分析和对数据预处理过程的描述,然后讨论了用户模糊聚类的算法,并用实例证明了模糊聚类在web用户聚类应用中的可行性。为web站点的个性化服务提供了基础。     

Web用户群模糊聚类挖掘

对Web日志进行有效聚类,可得到网站不同访问群和访问模式,研究了Web用户群模糊聚类关键技术.因为Web数据既有定量属性,又有定性属性,对Web用户群的聚类挖掘采用了模糊聚类方法,并设计了基于用户群的页面推荐函数.试验证明,Web用户群模糊聚类挖掘方法是有效的.     

利用Oracle实现对迁移人口的数据挖掘

利用数据空间分布方法,聚类技术以及关联规则挖掘技术对四川21市州人口迁出迁入情况进行研究分析,根据21市州人口迁入迁出的分布状况以及聚类结果挖掘分析人口流程影响因子,对人才引进政策制定提供参考,对劳动力流动管理体系模式提供指导,并能提出对人口流程自动化管理系统所需理论基础。     

Euler方法中的不分裂输运算法

为解决用Euler方法求解多种介质的流体力学问题时,物质的输运中维数分裂算法容易出现重复或遗漏的问题,以Youngs界面重构技术为基础,输运步中采用维数不分裂算法,除了考虑相邻4个网格的输运外,同时还考虑斜对角网格的输运计算,有效地解决了消除重复或遗漏输运的问题. 论证了不分裂算法的合理性,给出了向相邻8个网格输运的所有可能分配量的表达式. 数值模拟结果表明,不分裂输运算法的精度有所提高.     

Muller法的一种改进方法

提出了Muller法的一种改进方法,不仅摒弃了Muller法中的符号选择,简化了算法,而且在求实根时不再需要使用复数运算,同时具有与Muller法相同的1.839阶的收敛速度.     

基于LZW算法的改进算法

在分析LZW算法的基础上对LZW算法的缺陷进行了探讨,并对LZW算法进行了改进,大幅度减少了编码的长度,降低了匹配长度取值变化的影响,完全兼容LZW算法,在平均压缩率方面有较大的提高,而且对改进的算法进行了分析论证.     

TPN与B方法集成的形式化技术

单一的形式化方法和技术在描述系统时总是有一定的不足，通过集成TPN与B方法可以相互取长补短。本文讨论了TPN-B技术如何将TPN与B方法的抽象机之间构建起映射关系，介绍了如何用TPN-B对系统进行一个初始的构造，并通过对滑动窗口协议进行描述来体现。     

Haebara等值方法及其加权准则

项目反应理论（IRT）框架下的等值,目前比较流行的有Stocking-Lord方法和Haebara方法,即使对于相同的项目参数和能力参数,这两种等值方法计算出的等值系数也是不相同的.受Pearson卡方检验的启发,文中导出一种新的求取等值系数方法,即：加权等值方法（Weighted criterion,Wcrit）,它实际上是Haebara准则的加权式.Monte-Carlo模拟结果表明：Stocking-Lord方法和Haebara方法的表现各有千秋,而通常情况下,加权等值方法比Haebara方法表现更优.     

无约束最优化计算方法中的Newton法与BFGS法的组合方法

本文提出了适合于求解目标函数的Hesse矩阵不正定或病态等实际问题的Newton法与BFGS法的组合方法，并证明了该方法具有二次收敛性和全局收敛性。     

龙格—库塔方法与差分法的比较

利用Taylor级数展开而构造出的龙格—库塔方法是具有高精度的一种算法.将二阶龙格—库塔方法与差分方法的多种计算格式在求解扩散方程中进行了对比.结果表明,当网格比固定时,龙格—库塔方法在计算精度和计算速度上具有明显优势.     

关于单纯形方法的再探讨

本文主要是针对线性规划问题的求解方法—单纯形法存在的一些问题,提出了一种改进算法,它与单纯形法的主要区别是主元的选取不同。并将它与单纯形方法的优缺点作一对照分析,并附有实例。实践证明,用该方法求解线性规划问题是一种有效方法。     

桩基有限元法、静力法和经验法对比研究

以某工程实际的层状地基为例,用静力法、经验法和桩基有限元法分别研究了在不同桩长、桩径和桩径比情况下单桩极限承载力的变化关系。结果表明,当桩长L<60m时,三种方法的计算值偏差较大;当桩长L>60m时,三者的计算值偏差较小,可用静力法和经验法代替繁琐的有限元法来计算桩的极限荷载,同时也能保证桩基的经济合理性。     

结构素描的观察方法与表现方法

结构素描就是从我们视觉所看不到的东西开始画起．直到看得到的东西结束。而我们往往因为习惯性的观察方法而从眼睛所看到的物体开始画起,忽略了物体内在的本质的东西,缺乏对物体内在的结构形式的分析、理解和把握。结构的性质是物象形式的内在规律性,内在结构往往决定着外部形态的发展。结构素描在表现方法上要由表及里、由内而外地进行描绘,要不受物体外在的、表面的形体特征所迷惑,运用中国古代老子“道生一,一生二,二生三,三生万物”的法则,从而表现出它的构造关系与规律。