基于联合发生类的业务过程挖掘方法

从不完整的事件日志中挖掘一个合理的业务过程模型是比较困难的,已有的方法不能有效地覆盖业务过程中所有的执行路径.本文提出一种运用联合发生类挖掘方法从不完整的事件日志中发现合理业务过程模型,以活动之间发生不变量的概念为基础,产生联合发生类用于发现在日志中没有呈现的因果和并发行为.与现有的方法相比,此方法能够运用日志中较少的迹发现合理过程模型.     

基于Bert模型对不完整事件日志的多属性修复

流程挖掘是从事件日志中自动构建流程模型,并利用其分析、增强、监测实际的业务流程.然而不完整的事件日志会严重影响流程挖掘的结果.因此,修复事件日志是提高过程挖掘结果准确性的举措之一.现有的修复事件日志技术主要修复事件日志中的缺失活动,很少考虑修复日志中多个缺失的属性.现实中日志除了活动缺失,还存在属性缺失现象.针对此问题,提出了一种基于Bert的神经网络模型,用来修复事件中多个属性的缺失.该方法从数据的角度出发,通过Bert模型的预训练任务学习事件中属性之间的依赖关系,根据属性的前后文信息预测缺失的属性值.最后使用公开可用的真实事件日志对所提出的方法进行实验评估,评估结果表明本文所提出方法可以修复事件日志中多属性的缺失,且验证了该方法的准确性.     

基于Hadoop的可信计算平台日志分析模型

针对传统关联规则 Apriori 算法难以适应大数据的问题,为提高可信计算平台日志数据分析效率, 提出了一种基于Hadoop的可信计算平台日志分析模型。构建了日志分析模型总体框架,对非结构化原始日志数据进行垂直划分,采用分布式文件存储系统,结合MapReduce编程模式给出一种分布式Apriori并行垂直算法。通过日志挖掘建立用户行为关联规则库,并采用规则匹配实现对用户异常行为的检测。理论分析和实验数据证明,该模型在大数据环境下能够有效提高日志分析效率。     

基于XML的Web日志预处理

提出使用XML文件的方法存储不同Web日志的格式.采用一个通用的方法分析原始的Web日志,并对日志做预处理、产生Web日志挖掘系统所需的数据,从而使Web日志挖掘更快速和准确.     

基于关键属性约束的关联规则挖掘在日志分析中的应用

日志是计算机取证、入侵检测分析的重要数据来源,运用关联规则挖掘算法对日志进行分析是获取日志中所蕴含有用信息的重要方法,针对基于置信度-支持度框架的常用关联规则挖掘算法在日志分析中存在的不足,引入日志关键属性的概念,提出了基于关键属性约束的关联规则挖掘算法。实验结果表明,该算法能有效阻止无趣规则的产生,提高挖掘结果的有效性。     

基于改进后的K-means聚类算法的网吧用户行为聚类

介绍了web日志挖掘概念,利用改进后k-means聚类算法对网吧web日志挖掘,对网吧用户行为聚类分析,找出用户的偏爱,以便网吧管理员更好定制网吧网络管理策略.     

用户异常行为分析方法研究与应用

为了应对高级持续性威胁（APT）攻击造成的威胁,解决传统基于规则的分析方法对用户异常行为检测的误报与漏报问题,提高用户异常行为检测效果,通过采集用户行为日志生成用户操作行为矩阵,并通过模型定义方式对用户行为进行相似度分析。采用容忍度测算、突变测算、差值测算与峰值测算方法,分析与发现用户异常访问。基于用户画像的异常行为分析方法结合了用户操作行为特征及角色定义,利用用户行为日志历史信息勾勒出用户行为画像,使系统能准确、实时地判断用户行为异常,提高了对异常行为的实时检测与快速响应能力。     

一种基于WF-Net中隐含任务的过程挖掘算法

首先分析WF-Net中存在的隐含任务问题,然后基于α算法,提出了能发现工作流日志中隐含任务的过程挖掘算法α+**。该算法利用任务间特定的相互依赖关系判定是否存在隐含任务,然后把隐含任务添加到对应的位置生成新日志。最后采用α算法从新日志中提取出工作流网。利用ProM对本算法进行了验证。     

基于粗糙集和模糊聚类的网站日志数据挖掘实例分析

粗糙集理论是有效处理不精确、不确定和含糊信息的软计算工具,模糊聚类分析是依据客观事务间的特征、亲疏程度和相似性,通过建立模糊相似关系对客观事务进行分类的方法.网站日志数据通常是大量的,冗余的,日志中的页面之间的关系也是模糊的,不确定的.该文利用粗糙集理论和模糊聚类的方法对某学校网站的日志数据进行实例分析,抽取用户感兴趣的模式,理解用户的浏览兴趣行为,以便进一步改善网站结构,为用户提供个性化服务.     

基于数据挖掘的入侵检测系统研究

针对传统入侵检测系统存在的问题,提出将数据挖掘技术应用到入侵检测系统中,分析了常用于入侵检测技术中的数据挖掘方法,并将关联分析与分类分析应用到基于主机日志的异常检测中,对数据挖掘算法和如何将数据挖掘算法应用到入侵检测系统进行了研究.实现了一个基于主机日志数据的挖掘模块,通过对IIS日志文件的挖掘,生成访问异常关联规则,为入侵检测系统服务.     

基于高层Petri网的信息系统行为模型

信息系统的设计不仅要反映对象间相互关联的静态系统而且还要反映活动间相互关联的动态系统。本文以高层 Ｐｅｔｒｉ网作为建模工具,逐层细化描述系统中对象之间的静态关系以及对象的动态行为。库所代表关系模式,标记是相应类型的一个关系,变迁代表在它输入／输出库所上对关系的一种操作,指定到变迁上的逻辑表达式用来指定所移动或插入元组的选择条件。     

基于行为轮廓一致性的流程模型距离的研究

针对流程模型及其变体,当距离相同时,用单一的距离量无法衡量变体之间的差异。为解决这一问题,首先引入行为轮廓一致性度的概念,将距离和轮廓一致性结合在一起,然后给出轮廓一致性距离的形式化定义,利用轮廓一致性距离定量评价流程变体和原始参考模型的相关程度,最后,应用轮廓一致性距离成功区分6个距离相等的流程变体,进一步拓展了已有研究对流程变体和原始模型关系的相关结论。     

基于自动编码器与概率神经网络的人体运动行为识别方法

为了准确而快速地识别出图像中人体的某种行为特征,提出了一种全新的三层自动编码器与PNN概率神经网络结合的网络模型。把人体行为的关键帧从包含10种人体行为的视频库中提取出来,用背景减除法提取人体轮廓图并进行二值化图像处理,根据时间序列叠加轮廓图,组成含有10个特征轮廓的数据库,随后将特征轮廓数据在自动编码器中编码,编好码的特征数据随即进入概率神经网络进行训练学习。将训练好的神经网络对这10种人体行为进行准确识别。实验结果表明,经过自动编码器处理后的人体特征进行PNN神经网络识别,比单纯用BP神经网络识别准确率提高5%以上,由此证明该方法有效可行。     

认知水平与计算思维间的隐含关系挖掘--基于编程行为表征视角

随着人工智能时代的来临,编程教育日益受到重视。学生在编程过程中的行为,实质上反映了其对利用计算工具解决问题的认知水平,也映射出其计算思维的发展过程,挖掘三者间的隐含关系有助于通过优化编程任务设计改善对学生计算思维的培养。基于认知目标分类和计算思维三维框架构建映射关系,以Scratch可视化编程任务作为研究案例,采用编程操作视频分析与学生访谈相结合的方法,从编程行为表征的视角对认知水平与计算思维间的隐含关系进行挖掘后发现:一方面,认知水平与编程行为之间存在密切关系,知道与理解是编程行为的基础性认知,应用与分析是编程行为的核心,评价推动学生对编程行为的反思,而创造可激发编程行为产生新的作品。另一方面,在编程活动中,学生的认知水平与计算思维的发展彼此关联且相互促进,编程行为中的低阶认知目标的达成是形成计算观念的基础,编程实践引发的高阶思维认知需求可促进学生对计算思维的领悟。因此,应当遵循认知水平与计算思维的发展规律,有针对性地将面向各类认知目标的编程任务嵌入到教学设计中,方可有效实现利用编程教育对学生计算思维的培养。     

基于高层Petri网的信息系统行为模型

信息系统的设计不仅要反映对象间相互关联的静态系统而且还要反映活动间相互关联的动态系统。本以高层Petri网作为建模工具，逐层细化描述系统中对象之间的静态关系以及对象的动态行为。库所代表关系模式，标记是相应类型一个关系，变迁代表在它输入/输出库所上对关系的一种操作，指定到变迁上的逻辑表达式用来指定所移动或插入元组的选择条件。     

基于因果行为轮廓的业务流程模型配置检测与优化方法

业务流程模型的不合理配置会导致系统出现异常行为,因此对业务流程模型配置的适合性检测显得尤为重要.已有的研究主要集中在不合理配置的活性分析上,对于一些业务流程满足活性但存在不合理的配置问题存在明显不足.本文利用因果行为轮廓的弱序关系,通过寻找与配置变迁同现的关联变迁,并分析相关的异常库所状态集,在此基础上提出了一种检测模型配置适合性方法.考虑了关联变迁集和异常库所状态集在业务流程模型中所占的比重算出模型的适合性度,并根据业务流程模型结构对低适合度模型进行优化,使得模型适合性度提高.最后通过一个具体实例验证了该方法的可行性.     

不同内隐态度者在竞争情境中的合作性特点

该研究选取165名在校大学生,进行了内隐态度测验,从中筛选出高内隐竞争态度者和高内隐合作态度者各22人,构成内隐竞争组和内隐合作组,然后用公共物品两难实验范式考察了这两组被试在无组间竞争情境和有组间竞争情境中的合作意向及合作行为的变化及差异.结果表明:在有组间竞争情境中,高内隐竞争态度者比高内隐合作态度者表现出更强的合作行为;高内隐竞争态度者在有组间竞争情境中,其合作意向及合作行为都比无组间竞争情境中显著提高,而高内隐合作态度者没有显著变化.     

基于形式概念的Web使用挖掘关联规则研究及应用

将形式概念分析技术应用于Web使用日志文件的挖掘,提出基于多值属性形式上下文,利用频繁闭项集挖掘Web使用日志生成关联规则的增量挖掘算法。与经典挖掘方法比较,减少了对Web使用日志的扫描次数,提高了挖掘效率,同时还可以进行增量挖掘,满足了实时页面推荐的需要。     

数据库审计研究及应用

随着计算机与网络的飞速发展,数据库系统安全问题日益突出。对数据库审计进行研究,通过数据分析,挖掘建立数据库正常行为规则库,实现数据库异常行为检测,进而提高数据库安全。主要采用数据挖掘中的AprioriTid算法,用该算法发现关联规则,然后利用关联规则将用户长期的操作习惯和操作权限挖掘出来,以达到审计用户行为的目的,确保数据库安全。     

基于序列模式的业务流程模型的预测对齐

为突破固定模式,实时预测,使流程管理更高效更准确,本文提出一种基于序列模式的对齐预算方法.以业务流程模型和日志集作为输入,通过分析模型中活动的行为关系,将活动划分为不同的序列模式,利用条件概率对序列模式中活动做预测.并且通过实例分析了该方法的有效性.