【摘 要】
：
事件日志记录数量众多的事件,不仅包含与活动控制流相关的内容,还记录有关活动执行者的信息,即组织维度信息。控制流发现算法从事件日志中自动构建控制流过程模型,组织维度发现算法则构建社交网络模型。如果能合并两种维度,在同一个模型中进行展示,则能够提供更完整的过程组织视图,有助于更准确地对过程以及组织进行分析。因此,提出一种基于执行者过程树的双维度遗传过程挖掘方法(BdSm)。一方面,使用Inductive Miner预挖掘以优化遗传挖掘算法初始种群,达到生成高质量的控制流模型的目的;另一方面提出日志中活动之间距
【机 构】
：
云南大学信息学院,云南大学软件学院,云南农业大学大数据学院
【基金项目】
：
云南省自然科学基金基础研究面上资助项目(2019FB135),国家自然科学基金资助项目(61662085),云南大学数据驱动的软件工程省科技创新团队资助项目(2017HC012),云南大学“东陆中青年骨干教师”培养计划资助项目,云南大学研究生科研创新基金资助项目(2020z71)。
论文部分内容阅读
事件日志记录数量众多的事件,不仅包含与活动控制流相关的内容,还记录有关活动执行者的信息,即组织维度信息。控制流发现算法从事件日志中自动构建控制流过程模型,组织维度发现算法则构建社交网络模型。如果能合并两种维度,在同一个模型中进行展示,则能够提供更完整的过程组织视图,有助于更准确地对过程以及组织进行分析。因此,提出一种基于执行者过程树的双维度遗传过程挖掘方法(BdSm)。一方面,使用Inductive Miner预挖掘以优化遗传挖掘算法初始种群,达到生成高质量的控制流模型的目的;另一方面提出日志中活动之间距
其他文献
联邦学习中,终端将更新后的模型参数值,而不是原始数据传递至服务器,从而成为保障边缘计算中数据隐私安全的关键技术。因此,提出了基于联邦学习的边缘计算方法(FLBEC),在保护用户隐私的同时,减少终端参与联邦学习的开销。首先设计了基于联邦学习的边缘计算系统架构,提出了隐私保护机制。分析了终端参与联邦学习时间和能耗,提出了研究的目标,即保护边缘计算中用户隐私,同时在保证精度的前提下,减少联邦学习时间和能耗。然后,从参与者选择、本地更新和全局聚合3个方面提出了改进后的联邦学习算法。最后通过对比实验验证了在FLBE
在无人机最后一公里配送场景中,现有的云计算架构存在高时延问题,无法满足人工智能应用的执行需求。边缘计算架构通过将计算资源下沉到边缘,以其低时延、高计算能力的特点,可以满足人工智能应用的需求。但是目前的研究大多局限于单个边缘服务器,缺少并行协同框架的设计。为了解决该问题,本文首先根据移动边缘计算环境和无人机最后一公里配送过程的特点,充分考虑边缘服务器的计算负载问题,设计了基于端边协同的多边缘服务器并行任务处理框架;然后在该框架上对最短响应时间优先的任务调度算法进行改进,设计了α-SSLF算法。该算法能够考虑
项目需求变化和开发人员流动使得软件项目管理具有动态性的特征。鉴于此,建立了包含持续时间、项目成本、调度鲁棒性和调度稳定性的多目标动态软件项目调度模型,并提出一种改进的双归档进化算法。双归档进化算法在优化多目标约束问题时可以同时平衡收敛性、多样性和可行性。但随着目标维度增加,双归档进化算法的性能会下降。本文提出的改进算法采用佳点集和启发式策略进行种群初始化,利用评价函数自适应地对两种交叉和变异方法进行概率选择,分别采用质量指标和动态拥挤度距离对收敛性档案和多样性档案进行更新。对比实验基于仿真的和真实的软件项
程序死锁检测对于保证软件系统的稳定性具有重要作用。动态死锁分析方法由于具有高效和低误报率的特点而得到广泛研究。然而,传统的动态分析方法采用锁图及其各类扩展模型进行程序运行轨迹的建模和分析,它们难以对锁的授权/释放操作及其执行场景进行准确刻画,从而会导致误报现象。针对该问题,提出一种新型的基于程序运行轨迹Petri网模型挖掘的多线程程序动态死锁分析方法。首先,捕获程序运行轨迹中各类并发原语对应的操作,并据此构建程序的Petri网模型;然后,将程序的死锁检测问题转化为程序伴随Petri网模型的死标识检测问题;
模型修复通过对偏差行为的合理调整,改善事件日志与业务流程之间的一致性性能。采用自循环插入方式对日志中可观测的偏差活动进行模型修复,将优先考虑适合度的提升而忽视精度。为获得事件日志与过程模型之间不可回放的行为模式,根据行为关系将其可达活动图表划分为若干个片段并进行服从性校验。利用回放过程中行为模式所产生的最优对齐检测偏差的发生、位置以及潜在行为关系,将具有直接跟随关系的偏差元素构建为可修复的子结构,从而通过减少事件日志中的偏差个数而改善精度。通过实验使用M-repair插件在不同数据集上进行评估,结果表明该
业务系统在演进过程中不可避免地引入变化因素,如何将演进中的变化因素对系统模型进行修复具有实际意义。现有模型修复主要针对原始参考模型和完备日志进行,存在原始参考模型未知和不完备日志的局限性。因此,提出基于不完备日志的变化检测方法,在系统原始模型未知的情形下,利用活动的比较矩阵(行为轮廓矩阵)描述事件日志的Delete、Insert和Move变化操作,从而发现原始事件日志同系统实际日志的局部变化偏差域,根据日志偏差域对原始日志发现的模型进行修复,提出7个实现模型修复的算法。最后,通过ProM工具对所提方法进行
目前,电网企业存在竞争意识不足、流程冗余、效率低下等问题。为适应外部市场竞争和企业管理提质增效的要求,提出一种以“承诺制”推动流程优化的方法,以客户需求为导向,应用“一诺四减两强化”改革举措,优化权责配置,简化业务流程,建立事前明确做事规则,事中事后强化监管的闭环管理机制。对外聚焦营商环境优化,全面推进客户服务流程优化,提升客户满意度;对内围绕效率、质量与风险,全面推进废旧物资处置流程优化。最后,通过项目实践为企业常态开展流程优化,提供了可借鉴的方法模板和案例。
为解决云计算中的效费比、平台锁定和跨域资源管理等问题,目前已提出云际计算模式以便多个云服务实体之间的开放协作并创造云价值。在云际协作环境中,如何高效实现兼顾成本与能耗的云工作流调度是涉及多方云资源管理的一个重要问题。针对该问题,构建了云际协作环境下能耗与成本感知的工作流调度模型,并提出一种相应的云工作流调度方法(ECO)。该方法主要包含任务组选择、虚拟机复用和资源动态管理等策略,可在云际协作环境下调度多个云工作流应用,并在满足截止时间约束的前提下,优化工作流执行成本与能耗。通过仿真实验说明了该算法的有效性
企业为了保证自己业务的灵活性与高效性,经常需要购买外部服务来执行业务流程中的活动,然而现有服务评价体系很难保证评价的真实性与准确性。区块链技术凭借其分布式存储、共识机制以及智能合约等优势可以替代第三方来对服务进行评价。有研究者提出了一个基于区块链的框架来解决该问题,然而,该框架只存储用户反馈的服务质量(QoS)值,没有给出有效的QoS评价机制。为解决以上问题,提出了基于区块链与智能合约技术的存储服务属性、客户及反馈的Qos客观评价框架。同时,为了弥补区块链存储数据无法防止源头作弊的弊端,以及为用户提供更高
在跨领域、跨区域、跨网络广泛互联的大服务环境下,为实现组合服务的分布部署和并行执行,如何识别并发现服务之间存在的依赖关系、支撑组合服务的合理划分是亟待解决的问题。提出一种基于服务关联网络的服务依赖关系识别方法,首先利用有向图刻画服务关联网络模型,探索了一种通过已有组合服务分析服务控制流和数据流并构建服务关联网络的方法。利用图遍历、社区发现及关联规则挖掘等算法识别并抽取服务之间的数据依赖及控制依赖关系,生成服务依赖图,通过服务依赖图实现服务依赖关系的识别。通过实验验证了方法的可行性和有效性,并通过与经典算法