原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
基于流程挖掘的甄别正常与非正常案例的模型的中期报告
一、研究进展
流程挖掘是一种基于数据的技术，用于发现并揭示隐藏在数据中的过程模型。在本研究中，我们旨在使用流程挖掘技术来构建一个模型，该模型可以区分正常案例和非正常案例。
为了实现这个目标，我们使用了两个不同的数据集：一个包含正常案例数据，另一个包含非正常案例数据。首先，我们对两个数据集进行了分析，以了解案例的基本情况和每个案例中的事件流。
接下来，我们使用工具ProM进行流程挖掘。具体地，我们使用了Petri网算法来发现正常事件流和非正常事件流之间的差异。我们还使用频繁模式挖掘技术，来发现在正常案例和非正常案例中频繁出现的模式。
二、成果呈现
通过对数据集的分析和流程挖掘算法的运用，我们得到了以下成果：
1.对数据集的初步分析
我们发现，正常案例数据集中包含了许多重复事件，但非正常案例数据集中并没有。此外，正常案例数据集中的事件流是较为稳定和规律的，而非正常案例数据集中则出现了许多异常事件。
2.使用Petri网算法发现事件流之间的差异
通过使用Petri网算法，我们发现了正常和非正常事件流之间的差异。具体地，我们发现正常事件流由一系列有序的事件组成，这些事件在Petri网中呈链式结构。非正常事件流则包含许多反复出现的事件，这些事件在Petri网中呈环状结构。
3.使用频繁模式挖掘技术发现事件模式
我们还使用频繁模式挖掘技术，来发现在正常案例和非正常案例中频繁出现的模式。我们发现，在正常案例中频繁出现的模式是由少量事件组成的，而非正常案例中的频繁模式则由许多事件组成。
三、下一步工作
在接下来的工作中，我们将继续使用流程挖掘技术，来进一步研究正常和非正常事件流之间的差异。具体地，我们将探索其他流程挖掘算法，并设计出更加精确的模型来区分正常和非正常案例。我们还计划开发一个软件工具，来自动化案例分析和流程挖掘的数据预处理和数据挖掘过程。
文档评论（0）