排序方式: 共有4条查询结果,搜索用时 15 毫秒
1
1.
2.
任务依赖关系随案例属性值变化而不同以及不可见任务的挖掘是过程发现中的两个难点.为解决上述问题,本文提出一种基于案例簇和同步核的过程发现方法.首先,分案例簇挖掘业务过程子模型中的任务依赖关系,借助同步核对这些子过程模型进行建模;之后,提出一种基于返回核的循环结构建模方法,并给出从组合案例挖掘返回核的算法;最后,将各案例簇对应的同步核与返回核进行集成,并将集成后的同步核转换为WF-net模型,由此实现了业务过程WF-net模型的重构.本文方法可有效解决不可见任务的挖掘以及任务依赖关系随案例属性值变化而不同的问题. 相似文献
3.
4.
根据临床收录的肿瘤基因表达谱数据,可以利用分类器进行肿瘤亚型分类.由于基因表达谱数据样本小、维度高,难以提取有效特征,分类效果往往不好,而且很容易过拟合.针对这些问题,研究利用自编码器对特征基因进行降维,并构建多尺度的神经网络进行学习分类,综合考虑不同尺度的特征,提出A-CNNs网络,不仅解决了高维样本难以处理的问题,且有效避免了纵向加深神经网络带来的过拟合,得到了较高的平均分类精度,并与其他机器学习方法进行对比实验,实验证明所构建的分类模型可以取得较佳的分类效果. 相似文献
1