基于流程挖掘的甄别正常与非正常案例的模型

• 作者: 刘镔 张立群 徐晓蕾 李栋
• 来源期刊: 计算机应用研究
• 关键词: 数据挖掘 结构模式 频繁模式 流程挖掘 分类模型
• 年，卷（期）: 2011,（7）
• 所属期刊栏目: 软件技术研究
• 页码范围: 2553-2557
• 分类号: TP311
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2011.07.043

摘要

目前很多非正常案例甄别方面的研究,大多是研究如何人工建立区分标准或特征库.针对这类方法前期准备工作量巨大且后期甄别能力有限、准确率低的缺点,提出了一个甄别正常与非正常案例的模型( detection model of normal and abnormal instances,DMNAI).该模型基于流程挖掘,通过频繁模式发现来提取案例特征,经过特征选择得到所需特征集合,最后使用神经网络分类器完成检测;构造了一个能够自动甄别非正常案例的模型,从而避免了人工设定标准的主观性.实验表明,DMNAI经过现场实际数据的验证,能有效地自动化甄别非正常案例.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李栋	山东大学计算机学院	91	330	8.0	13.0
2	张立群	山东大学计算机学院	13	31	3.0	5.0