典型文献
iBelt:一种事件日志的可解释聚类分析方法
文献摘要：
鉴于当前大多数方法因在日志聚类结果上缺乏可解释性而影响应用,提出一种事件日志的可解释聚类分析方法iBelt.该方法定义"过程连接带"描述事件日志的分析结果,基于聚类树思想设计了提升聚类树模型,并采用方差和判别特征分析的无监督特征选择方法提升已有方法的聚类效果和拟合度,解决了高维数据影响过程连接带可解释性的弊端.通过公开数据集上的实验结果表明,所提方法分析得到的过程连接带具有简洁易懂的可解释规则,提升了对应过程模型的质量.
文献关键词：
过程挖掘;轨迹聚类;可解释性聚类;决策树
中图分类号：
作者姓名：
刘雯;王桂玲
作者机构：
北方工业大学 信息学院,北京 100144;北方工业大学 大规模流数据集成与分析技术北京市重点实验室,北京 100144
文献出处：
引用格式：
[1]刘雯;王桂玲-.iBelt:一种事件日志的可解释聚类分析方法)[J].计算机集成制造系统,2022(10):3175-3186
A类：
iBelt,可解释性聚类
B类：
事件日志,聚类分析方法,法因,树模型,无监督特征选择,选择方法,拟合度,高维数据,影响过程,公开数据集,带具,易懂,解释规则,过程模型,过程挖掘,轨迹聚类,决策树
AB值：
0.30785
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。
