典型文献
基于可预测适合度的选择性模型修复
文献摘要：
由于信息系统记录的行为不断变化,因此事件日志与给定模型之间往往存在偏差.事件日志可能产生2种不同类型的偏差,且每种偏差在偏差总数中的占比是不确定的.已有方法采用固定方式修复日志中非迭代偏差和自循环产生的迭代偏差,或在理想适合度被设定为1的前提下选择执行不同的修复方式,因而很难保证适合度与精度始终在合理范围.针对这一问题,提出一种修复方法可根据迭代可观测偏差总成本预测配置优化后的适合度,并在其满足给定阈值的情况下对所有偏差进行整体配置.当预测适合度不满足给定阈值时,进一步通过最优对齐发现事件日志与过程模型之间的变体,并根据每个变体的实际情况使用配置优化或者自循环插入的方式修复可观测偏差.仿真实验中对不同数据集进行了验证,结果表明:在始终保证适合度合理的前提下所提出方法能够最大程度地改善精度.
文献关键词：
非迭代偏差;迭代偏差;可预测适合度;变体;配置优化;自循环插入
中图分类号：
作者姓名：
张力雯;方贤文;邵叱风;王丽丽
作者机构：
淮南师范学院机械与电气工程学院 安徽淮南 232038;安徽理工大学数学与大数据学院 安徽淮南 232001;嵌入式系统与服务计算教育部重点实验室(同济大学) 上海 201804
文献出处：
引用格式：
[1]张力雯;方贤文;邵叱风;王丽丽-.基于可预测适合度的选择性模型修复)[J].计算机研究与发展,2022(11):2618-2634
A类：
可预测适合度,非迭代偏差,迭代偏差,自循环插入
B类：
模型修复,此事,事件日志,定模,固定方式,修复方式,难保,合理范围,修复方法,总成本,成本预测,配置优化,最优对齐,齐发,过程模型,变体
AB值：
0.193629
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
