一种基于时序行为的流过程协同重构算法
【出 处】:
【作 者】:
黄黎
谭文安
许小媛
南京航空航天大学计算机科学与技术学院
江苏南京211106
江苏开放大学信息与机电工程学院
江苏南京210017
【摘 要】过程流数据具有实时性、连续性和时序性等特征,使得传统过程挖掘算法难以发现隐含信息和演化过程。针对流过程模型的动态演化和重构要求,提出了一种基于时序行为分析的自适应混合启发式协同优化算法。首先定义演化流过程模型,基于日志活动间的隐含依赖关系改进过程逻辑的启发式挖掘规则,然后定义基于时序行为的老化因子,并引入高斯变异的多种群协作的自适应策略,改进粒子群优化算法的全局和局部精确寻优能力,实现优化和重构过程模型。该算法在四个典型测试函数上进行了对比实验,结果表明该算法在流过程挖掘中具有更好的收敛性和稳定性。
相关热词搜索: 过程挖掘 多粒子群协同 启发式挖掘 时序行为 高斯变异
上一篇:基于概率的无监督缺陷预测方法
下一篇:2017年全国高性能计算学术年会(HPC CHINA 2017)征文通知(第一轮)