文件名称：hybrid-trace-clustering
文件大小：16.75MB
文件格式：ZIP
更新时间：2024-04-10 09:41:17
Python
混合跟踪聚类 这是乌特勒支大学为满足商务信息科学理学硕士要求而完成的硕士论文的实施。 混合跟踪群集是一种用于群集跟踪（流程实例）的新方法，以便从事件日志中获得更多可理解的模型。混合方法同时使用基于相似性和模型驱动的方法，将原始事件日志分为同类子日志。 该实现基于pm4py，这是一个python库，支持python中的（最新技术）流程挖掘算法。有关更多信息，请访问 输入项 event_log：原始事件日志 initial_f1_score：第一步中合格的高质量集群的F1分数阈值 number_of_clusters：要找到的集群数 minimum_cluster_size：群集中的最小跟踪数 neighbourhood_size：构建新集群时要选择的邻居跟踪变量的数量 distance_technique：计算迹线之间距离的技术。应该是“ BOA”或“ levenshtein” clust
【文件预览】：
hybrid-trace-clustering-main
----hybrid_trace_clustering()
--------clustering_algo()
--------__init__.py(101B)
--------distance_calculation()
--------sampling()
--------algorithm.py(15KB)
--------util()
----data()
--------bpi2012_9.xes(39.5MB)
--------ActiTrac()
--------financial_log.xes(70.67MB)
--------Receipt phase of an environmental permit application process ( WABO ) CoSeLoG project.xes(3.88MB)
--------bpi2012_8.xes(37.01MB)
--------Hospital_log.xes(81.41MB)
--------BPIC15_1.xes(39.32MB)
--------bpi_challenge_2013_incidents.xes(37.72MB)
--------bpi2012_11.xes(48.49MB)
----LICENSE(34KB)
----setup.py(659B)
----.gitignore(2KB)
----README.md(2KB)