随着大数据时代的到来,信息系统中记录了各种各样的事件数据,且事件数据数量庞大,难以处理。针对此类问题,流程挖掘技术可以更好的实现事件数据与流程模型之间的链接,并对事件数据进行相关操作。为了从抽取的事件日志中挖掘出适用于市场需求的流程模型,需要对事件日志中的非频繁行为进行一定的优化操作。基于此,业务流程非频繁行为的挖掘与优化成为了一项重要的热门研究课题。目前对业务流程非频繁行为的研究主要集中在把非频繁行为作为噪音而删除的方面,这样忽略了部分行为的重要性,使挖掘的业务流程模型丢失了部分的实际意义。针对流程非频繁行为的问题,主要表现为拟间接依赖关系的挖掘,挖掘业务流程隐变迁以及条件非频繁行为的挖掘与优化等方面。在挖掘流程模型中,如果仅仅考虑事件日志中事件间的直接依赖关系,挖出的模型很难满足实际的要求。在挖掘隐变迁的准确性上,已有方法具有一定的局限性。对于业务流程非频繁行为的挖掘优化方面,已有的方法很少从数据流角度去分析或者是忽略了模块之间的通讯行为。基于以上流程非频繁行为的挖掘问题,提出了相应的算法。本文主要文献包括:(1)针对业务流程活动(事件)间的间接依赖问题,提出了基于拟间接依赖的流程挖掘优化分析方法。以行为轮廓理论为基础,首先,依据事件日志,构建初始模型。然后,在执行日志下,通过基于整数线性规划流程发现算法的基本约束体,查找具有拟间接依赖关系的变迁对,并对模型进行完善挖掘出目标模型。(2)针对业务流程隐变迁的挖掘问题,提出了基于域挖掘隐变迁的方法。隐变迁的挖掘可以更好的还原业务流程模型,已有挖掘隐变迁的方法在准确查找隐变迁方面存在一定的局限性。基于此,提出了基于域挖掘业务流程隐变迁的方法。依据行为轮廓理论,给定执行事件日志,构建模块网与特征网的交互初始Petri网模型。将预处理区域的片段记录事件日志转换成变迁系统,查找非平凡域(包含隐域),依据域理论构造含有隐变迁的片段子模型,使子模型与初始模型融合,挖掘出含有隐变迁的目标模型。(3)针对业务流程非频繁行为的挖掘问题,提出了数据意识下的条件不频繁行为挖掘与优化。业务流程非频繁行为是指低频次事件轨迹记录的行为,从事件日志中挖掘条件非频繁行为是业务流程优化的关键问题之一。已有的研究方法忽略低频次行为,也较少考虑数据流角度下的非频繁行为,鉴于此,考虑了事件之间隐藏的数据依赖关系,提出了基于数据意识的条件不频繁行为挖掘与优化。以模块间的通讯行为轮廓理论为基础,通过查询参考模型的可行迹,对频次较低的轨迹添加属性值,计算交互特征间的数据依赖值并对非频繁行为进行分类处理。另外,根据处理后的优化日志,构建模块网和特征网。模块网与特征网进行交互,挖掘出特征网与模块网的业务流程优化通讯模型。(4)针对业务流程条件非频繁行为的挖掘与优化问题,提出了基于通讯行为轮廓挖掘条件非频繁行为的方法。条件非频繁行为是指带有属性值的频数较低事件轨迹所记录的行为。从记录的事件日志中挖掘条件非频繁行为是业务过程优化的主要内容之一。已有的方法删除低频次行为,也较少考虑模块网间数据流角度下的条件非频繁行为,基于此,提出了基于通讯行为轮廓挖掘条件非频繁行为的方法。以通讯行为轮廓理论为基础,首先,通过业务过程源模型,查找其可执行事件日志并且找出频数较低的事件轨迹集,添加相关属性及值即得到条件非频繁轨迹。其次,通过计算不同模块网间通讯特征的条件依赖值,确定条件不频繁轨迹是否删除或保留,进而挖掘出优化通讯模型。