【摘 要】
：
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
【机 构】
：
安徽理工大学数学与大数据学院,同济大学嵌入式系统与服务计算教育部重点实验室
【基金项目】
：
国家自然科学基金资助项目(61572035,61402011),安徽省高校领军骨干人才资助项目(2020-1-12),安徽省自然科学基金资助项目(2008085QD178),安徽省学术和技术带头人资助项目(2019H239),安徽省高校优秀人才支持计划资助项目(gxyqZD2020020),嵌入式系统与服务计算教育部重点实验开放课题(ESSCKF2018-04)。
论文部分内容阅读
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
其他文献
采用热力学软件Thermo-Calc分析Mn、S、Al、N对TL(液相线温度)和TS(固相线温度)的影响以及在凝固过程中的偏析行为.结果表明:钢中Mn的质量分数从0增加到0.50％,TL略降低,Ts先降低后增高;S从0增加到0.030％,TL降低1℃,TS约降低78℃;Al和N都从0增加到0.030％,几乎不影响TL和TS.成分固定时,MnS的析出使Mn从正偏析转变为负偏析,Mn主要形成了 MnS相;S是比较强烈的正偏析元素,MnS相的析出也不能改变S的偏析特征;Al为负偏析元素;从1 490℃降低到约1
现代城市中,传感器设备无时无刻地收集和释放着各式各样的城市数据,而这些数据可能会因环境干扰、设备故障或人为篡改而变得异常。针对城市数据会面临数据异常的问题,定义了一套适用于异构数据的提取协议,并基于提取协议设计了一种基于高斯隶属度的分布式异常数据分级过滤算法。最后通过仿真实验验证了该算法能够准确过滤异常数据,从而提高城市计算效率,降低网络开销。
SLM(激光选区熔融)原位合金化技术,即原材料采用混合单质粉末在激光选区熔融过程中直接完成元素合金化并同步成型高致密度样件的方法.该技术可省掉原料粉末预合金化过程,通过实时、定量粉末混合给料控制,可实现块体样品的高通量制备.将SLM合金化与高通量制备两者有机融合应用于特种材料体系如高熵合金等材料的开发,实现材料成分、结构、物理化学性质的高通量获取,可为材料设计和制备技术的发展提供一项颠覆性的创新手段,科学意义和应用价值巨大.基于自主设计开发的SLM高通量制备系统,采用铁、镍单质元素粉一次性制备12组Fe-
验证协同业务过程与领域约束的符合性是一个关键问题,但现有工作需忽视对内部流程细节的处理,从而导致组织内部流程信息暴露、符合性验证误判及验证效率低下等问题。为此,基于流程抽象提出一种针对协同业务过程与领域约束符合性验证方法。首先,利用标号迁移系统和符合性语言分别描述业务过程及领域约束;然后,基于弱轨迹等价将业务过程中含有的内部流程细节全部移除以得到抽象业务过程,并将其并发组合,得到抽象协同业务过程;最后,在协同业务过程与领域约束是否相符的问题上,利用模型验证技术进行自动验证。将针对协同业务过程符合性验证转化
为解决人工制定临床路径变异率高的问题,提出一种基于遗传算法挖掘可推荐医嘱的方法。在该方法中,每条染色体代表一组可以加入临床路径的医嘱。针对挖掘算法效率较低的问题,调研了遗传算法的常用优化方法,将这些方法应用到临床路径优化问题上;为了进一步改进遗传算法,提出一种基于Word2vec的变异算子改进方法。实验结果表明,遗传挖掘算法在临床路径优化问题上具备可行性,轮盘赌、尺度变换、最优保存、均匀交叉、自适应变异、引入Word2vec的改进方法组合最有效,采用非数值编码,改进后的遗传算法性能提高了50%~55%;采
边缘计算作为一种新模式,可以有效解决附近移动设备运算能力不足的问题。然而,由于现实世界中复杂的状况,各个时间段内用户的位置分布难以预测,由配备有限资源的边缘服务器覆盖的区域内将难以承载各时间段内不均衡不恒定数量的用户,导致用户无法请求服务。另外,不合理的分配策略将降低区域内承载用户的能力,并可能造成资源浪费。针对上述问题,提出一种自适应移动路径感知的用户分配算法。该算法首先利用用户的位置信息和路网数据,通过改进的地图匹配方法确定用户行进状态,并对用户未来移动路径进行预期;然后,基于用户预期路径提出一种分配
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;