基于混合遗传算法的事件日志挖掘研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 引言 | 第10-16页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 研究框架 | 第13-15页 |
| 1.3.1 研究内容 | 第13页 |
| 1.3.2 研究思路及技术路线图 | 第13-15页 |
| 1.4 论文研究方法 | 第15页 |
| 1.5 论文的主要创新点 | 第15页 |
| 1.6 本章小结 | 第15-16页 |
| 第二章 相关理论与技术基础 | 第16-28页 |
| 2.1 业务流程管理生命周期 | 第16-17页 |
| 2.2 流程挖掘与事件日志 | 第17-22页 |
| 2.2.1 流程挖掘 | 第17-19页 |
| 2.2.2 事件日志 | 第19-20页 |
| 2.2.3 事件日志的数学表示 | 第20-22页 |
| 2.3 流程挖掘的模型表示 | 第22-27页 |
| 2.3.1 Petri网 | 第22-24页 |
| 2.3.2 因果矩阵 | 第24-26页 |
| 2.3.3 Petri网与因果矩阵的转换 | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 改进的遗传挖掘算法 | 第28-55页 |
| 3.1 遗传算法与流程挖掘 | 第28-29页 |
| 3.2 模型编码 | 第29页 |
| 3.3 初始种群创建 | 第29-40页 |
| 3.3.1 任务的依赖关系及其应用 | 第29-33页 |
| 3.3.2 遗传个体及其创建 | 第33-36页 |
| 3.3.3 基于启发式规则的初始种群创建 | 第36-40页 |
| 3.4 适应度函数 | 第40-46页 |
| 3.4.1 事件轨迹解析 | 第40-44页 |
| 3.4.2 适应度函数设计 | 第44-46页 |
| 3.5 改进的遗传算子 | 第46-53页 |
| 3.5.1 选择操作策略 | 第47-48页 |
| 3.5.2 改进的交叉操作 | 第48-51页 |
| 3.5.3 改进的变异操作 | 第51-53页 |
| 3.6 改进遗传算法的描述 | 第53-54页 |
| 3.7 本章小结 | 第54-55页 |
| 第四章 混合的遗传挖掘算法 | 第55-61页 |
| 4.1 模拟退火算法 | 第55-56页 |
| 4.2 蜂群繁殖原理 | 第56-57页 |
| 4.3 混合遗传算法描述 | 第57-60页 |
| 4.3.1 算法总体描述 | 第57-60页 |
| 4.3.2 算法终止条件 | 第60页 |
| 4.4 本章小结 | 第60-61页 |
| 第五章 挖掘算法实验与分析 | 第61-81页 |
| 5.1 挖掘模型的评价指标 | 第61-68页 |
| 5.1.1 完整性评价指标 | 第62-63页 |
| 5.1.2 行为评价指标 | 第63-66页 |
| 5.1.3 结构评价指标 | 第66-68页 |
| 5.2 实验平台 | 第68-71页 |
| 5.3 实验设置 | 第71-72页 |
| 5.3.1 数据准备 | 第71-72页 |
| 5.3.2 参数设置 | 第72页 |
| 5.4 实验结果及其分析 | 第72-79页 |
| 5.5 本章小结 | 第79-81页 |
| 总结与展望 | 第81-83页 |
| 总结 | 第81-82页 |
| 未来展望 | 第82-83页 |
| 参考文献 | 第83-88页 |
| 致谢 | 第88-89页 |
| 附录1 | 第89-95页 |
| 附录2 | 第95-97页 |
| 个人简历、在学期间的研究成果及发表的学术论文 | 第97页 |
