過程挖掘：業(yè)務(wù)過程的發(fā)現(xiàn)、合規(guī)和改進

第1章 引言
1.1 數(shù)據(jù)爆炸
1.2 建模的局限性
1.3 過程挖掘
1.4 分析一個示例日志
1.5 Play-In、Play-Out與Replay
1.6 趨勢
1.7 展望
第一部分預(yù)備知識
第2章 過程建模與分析
2.1 建模的藝術(shù)
2.2 過程模型
2.2.1 變遷系統(tǒng)
2.2.2 Petri網(wǎng)
2.2.3 工作流網(wǎng)
2.2.4 YAWL
2.2.5 BPMN
2.2.6 事件驅(qū)動過程鏈
2.2.7 因果網(wǎng)
2.3 基于模型的過程分析
2.3.1 驗證
2.3.2 性能分析
2.3.3 基于模型分析的局限
第3章 數(shù)據(jù)挖掘
3.1 數(shù)據(jù)挖掘技術(shù)的分類
3.1.1 數(shù)據(jù)集：實例與變量
3.1.2 有監(jiān)督學(xué)習(xí)：分類與回歸
3.1.3 無監(jiān)督學(xué)習(xí)：聚類與模式發(fā)現(xiàn)
3.2 決策樹學(xué)習(xí)
3.3 k-means聚類
3.4 關(guān)聯(lián)規(guī)則學(xué)習(xí)
3.5 序列和情節(jié)挖掘
3.5.1 序列挖掘
3.5.2 情節(jié)挖掘
3.5.3 其他方法
3.6 結(jié)果模型的質(zhì)量
3.6.1 衡量分類器的表現(xiàn)
3.6.2 交叉驗證
3.6.3 奧卡姆剃須刀
第二部分 從事件日志到過程模型
第4章 數(shù)據(jù)獲取
4.1 數(shù)據(jù)源
4.2 事件日志
4.3 XES
4.4 將現(xiàn)實壓縮到事件日志中
第5章 過程發(fā)現(xiàn)基礎(chǔ)
5.1 問題說明
5.2 一個簡單的過程發(fā)現(xiàn)算法
5.2.1 基本思想
5.2.2 算法
5.2.3 α算法的不足
5.2.4 考慮事務(wù)生命周期
5.3 重新發(fā)現(xiàn)過程模型
5.4 挑戰(zhàn)
5.4.1 表示偏好
5.4.2 噪聲和不完備性
5.4.3 4個相互競爭的質(zhì)量標準
5.4.4 從三維現(xiàn)實中提取正確的二維切片
第6章 高級過程發(fā)現(xiàn)技術(shù)
6.1 概述
6.1.1 特征1：表示偏好
6.1.2 特征2：處理噪聲的能力
6.1.3 特征3：完備性假設(shè)
6.1.4 特征4：使用的方法
6.2 啟發(fā)式挖掘
6.2.1 再談因果網(wǎng)
6.2.2 學(xué)習(xí)依賴圖
6.2.3 學(xué)習(xí)介裂與合并
6.3 遺傳過程挖掘
6.4 基于區(qū)域的挖掘
6.4.1 學(xué)習(xí)變遷系統(tǒng)
……
第三部分 過程挖掘拓展
第四部分 過程挖掘的應(yīng)用
第五部分 后記