过程挖掘：业务过程的发现、合规和改进 pdf

　　《世界著名计算机教材精选·过程挖掘：业务过程的发现、合规和改进》是过程挖掘领域的首部著作，全面讲述了过程挖掘基本概念、相关理论、核心算法、应用框架和典型案例。《世界著名计算机教材精选·过程挖掘：业务过程的发现、合规和改进》共14章，分为五个部分。第1章为引言，阐述了数据爆炸对过程管理的挑战，进而阐述了过程挖掘的基本概念；第一部分（第2章和第3章）阐述了过程建模与分析，以及数据挖掘的基本知识；第二部分（第4～6章）介绍了事件日志抽取方法，α系列挖掘算法，启发式挖掘算法、遗传挖掘算法和基于区域的挖掘算法；第三部分（第7～9章）介绍了一致性检查技术，数据，资源维度挖掘，以及在线运作支持技术，第四部分（第10～12章）介绍了过程挖掘工具，过程挖掘项目框架，以及结构化（“宽面条”）/非结构化（“意大利面”）过程挖掘方法及其典型案例；第五部分（第13～14章）分析了制图与导航领域的理念与进展，展望了过程挖掘的美好前景。《世界著名计算机教材精选·过程挖掘：业务过程的发现、合规和改进》可以作为信息系统、软件工程或数据管理专业研究生或高年级本科生教材，也可以作为业务过程管理（BPM）或商务智能（BI）领域从业者的参考手册。
暂缺《过程挖掘：业务过程的发现、合规和改进》作者简介
第1章 引言
1.1 数据爆炸
1.2 建模的局限性
1.3 过程挖掘
1.4 分析一个示例日志
1.5 Play-In、Play-Out与Replay
1.6 趋势
1.7 展望
第一部分预备知识
第2章 过程建模与分析
2.1 建模的艺术
2.2 过程模型
2.2.1 变迁系统
2.2.2 Petri网
2.2.3 工作流网
2.2.4 YAWL
2.2.5 BPMN
2.2.6 事件驱动过程链
2.2.7 因果网
2.3 基于模型的过程分析
2.3.1 验证
2.3.2 性能分析
2.3.3 基于模型分析的局限
第3章 数据挖掘
3.1 数据挖掘技术的分类
3.1.1 数据集：实例与变量
3.1.2 有监督学习：分类与回归
3.1.3 无监督学习：聚类与模式发现
3.2 决策树学习
3.3 k-means聚类
3.4 关联规则学习
3.5 序列和情节挖掘
3.5.1 序列挖掘
3.5.2 情节挖掘
3.5.3 其他方法
3.6 结果模型的质量
3.6.1 衡量分类器的表现
3.6.2 交叉验证
3.6.3 奥卡姆剃须刀
第二部分 从事件日志到过程模型
第4章 数据获取
4.1 数据源
4.2 事件日志
4.3 XES
4.4 将现实压缩到事件日志中
第5章 过程发现基础
5.1 问题说明
5.2 一个简单的过程发现算法
5.2.1 基本思想
5.2.2 算法
5.2.3 α算法的不足
5.2.4 考虑事务生命周期
5.3 重新发现过程模型
5.4 挑战
5.4.1 表示偏好
5.4.2 噪声和不完备性
5.4.3 4个相互竞争的质量标准
5.4.4 从三维现实中提取正确的二维切片
第6章 高级过程发现技术
6.1 概述
6.1.1 特征1：表示偏好
6.1.2 特征2：处理噪声的能力
6.1.3 特征3：完备性假设
6.1.4 特征4：使用的方法
6.2 启发式挖掘
6.2.1 再谈因果网
6.2.2 学习依赖图
6.2.3 学习介裂与合并
6.3 遗传过程挖掘
6.4 基于区域的挖掘
6.4.1 学习变迁系统
……
第三部分 过程挖掘拓展
第四部分 过程挖掘的应用
第五部分 后记

过程挖掘：业务过程的发现、合规和改进pdf