当前位置:主页 > 科技论文 > 软件论文 >

基于熵的异常检测及其在跨组织业务过程模型中的应用

发布时间:2021-10-19 09:56
  伴随着互联网时代的到来和经济全球化的发展,越来越多用户的要求必须通过多企业多目标的合作才能够满足,跨组织业务过程管理应运而生。跨组织业务过程通常涉及到不同地理位置上多个结构复杂的组织,并需要将这些组织松散耦合的业务过程协同整合为新的业务过程,因此跨组织业务过程的设计和建模是业务过程管理领域的一项难点问题。与此同时,业务过程在执行过程中通常会受到外部因素、工作流系统异常或活动执行异常引起业务活动的执行失败,若能尽早地发现并处理业务过程异常(突发)事件,则能够提升业务服务水平和服务质量、减少成本以及不必要的损失。本文以跨组织业务过程的事件日志为研究起点,开展跨组织业务过程的建模方法以及业务的异常检测问题研究,主要工作内容与创新包括:1、提出一种自下向上的基于多视角的跨组织业务过程建模方法。该方法主要从内部视角、公共视角以及协作视角分别得到跨组织业务过程的私有过程模型、公共过程模型以及协作过程模型。以跨组织业务过程的事件日志作为输入,提出挖掘算法得到各组织私有过程模型,随后提出模型的化简方法,从私有过程模型中得到公共过程模型,最终得到跨组织业务协作过程模型;2、在数据挖掘领域提出一种基于信息... 

【文章来源】:南京航空航天大学江苏省 211工程院校

【文章页数】:72 页

【学位级别】:硕士

【部分图文】:

基于熵的异常检测及其在跨组织业务过程模型中的应用


过程挖掘合规性检查概念图

过程科学,桥梁,过程,业务过程建模


图 1. 2 过程挖掘是数据科学和过程科学之间的桥梁[2]工作与贡献 小节已经对业务过程建模和异常检测等领域进行了国内外相关工跨组织业务过程建模领域面临的主要问题是:在现有的技术基础协作交互才能完成业务需求,但现有过程建模技术往往不能够满部业务流程隐藏不对外暴露的要求,不利于各企业保护自己的隐力,此外传统方法得到的跨组织业务过程模型是属于紧耦合关系性化特征要求。而在数据挖掘领域中基于聚类分析的异常检测领的 K-means 聚类算法由于随机选择初始聚类中心而无法保证其如何选择初始聚类中心是一个亟待解决的问题。上述的描述情况,本文开展对跨组织业务过程建模技术以及数据两个方面的研究,主要工作以及贡献介绍如下:织业务过程建模方面,本文从跨组织业务过程的三个不同视角:分别对应得到跨组织业务过程的各组织的私有过程模型、公共过

过程,日志,工作流,循环结构


p1t1p2t2p3t3图 2. 5 工作流网的循环结构况下一个工作流中的每个任务的都只会执行一次,但是有时候有些足这种条件的被称为循环结构。图 2.5 中,2t实施完成后在3p中会有可能发生。此时若4t执行则会在2p生成 token,然后继续执行2t结构。挖掘相关知识挖掘的日志中记录了企业信息系统中工作流中各个业务活动的历史执行执行,会在引擎日志中留下符合实际工作流执行的轨迹,因此可以日志建立工作流模型。过程挖掘(又称工作流挖掘)技术能够通过中记录的过程实例的实际执行信息,构造出一个符合实际工作流执得这些事件日志中记录的所有的轨迹都符合该模型一个实例过程。

【参考文献】:
期刊论文
[1]基于改进K均值聚类的异常检测算法[J]. 左进,陈泽茂.  计算机科学. 2016(08)
[2]一种多视角的跨组织业务过程建模方法[J]. 代飞,莫启,林雷蕾,李彤,顾思雅,朱锐.  计算机集成制造系统. 2015(11)
[3]基于信息熵的网络流异常监测和三维可视方法[J]. 陈鹏,司健,于子桓,王蔚旻.  计算机工程与应用. 2015(12)
[4]基于数据密集性的自适应K均值初始化方法[J]. 韩最蛟.  计算机应用与软件. 2014(02)
[5]结合公共视图和对象Petri网的跨组织流程建模[J]. 王晶,胡昊,余萍,吕建,葛季栋.  计算机科学与探索. 2014(01)
[6]基于WfMC的协同设计流程模型[J]. 薛永献,李晓昕.  电子设计工程. 2012(07)
[7]基于信息熵的精确属性赋权K-means聚类算法[J]. 原福永,张晓彩,罗思标.  计算机应用. 2011(06)
[8]基于聚类准则函数的改进K-means算法[J]. 张雪凤,张桂珍,刘鹏.  计算机工程与应用. 2011(11)
[9]基于密度的改进K均值算法及实现[J]. 傅德胜,周辰.  计算机应用. 2011(02)
[10]过程挖掘中一种能发现重复任务的扩展α算法[J]. 李嘉菲,刘大有,杨博.  计算机学报. 2007(08)

博士论文
[1]港口物流中的流程知识挖掘研究和智能优化设计[D]. 王英.北京交通大学 2014

硕士论文
[1]K均值算法研究及其应用[D]. 朱建宇.大连理工大学 2013



本文编号:3444651

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3444651.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户18719***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com