過程流數(shù)據(jù)具有實時性、連續(xù)性和時序性等特征，使得傳統(tǒng)過程挖掘算法難以發(fā)現(xiàn)隱含信息和演化過程。針對流過程模型的動態(tài)演化和重構(gòu)要求，提出了一種基于時序行為分析的自適應(yīng)混合啟發(fā)式協(xié)同優(yōu)化算法。首先定義演化流過程模型，基于日志活動間的隱含依賴關(guān)系改進過程邏輯的啟發(fā)式挖掘規(guī)則，然后定義基于時序行為的老化因子，并引入高斯變異的多種群協(xié)作的自適應(yīng)策略，改進粒子群優(yōu)化算法的全局和局部精確尋優(yōu)能力，實現(xiàn)優(yōu)化和重構(gòu)過程模型。該算法在四個典型測試函數(shù)上進行了對比實驗，結(jié)果表明該算法在流過程挖掘中具有更好的收斂性和穩(wěn)定性。
?