[发明专利]一种基于时序行为检测的工作流识别系统及其识别方法

说明书

本发明涉及工作流识别技术领域，公开了一种基于时序行为检测的工作流识别方法，包括：构建问题结构模型M(θ,D)，并初始化问题结构模型M(θ,D)中的参数θ；逐步扫描实例库L中的每行数据，根据实例库L中已知或观察到的辅助标注隐动作信息，采用EM算法迭代计算和更新参数θ；通过ARMS算法利用问题结构模型M(θ,D)的计算结果和规则约束获取动作模型根据问题实例关于动作的辅助标注信息，计算其对应的隐动作序列O＝(o₁,…,o_m)；利用FF规划器求解问题的解，并返回问题的规划解。本发明提供的基于时序行为检测的工作流识别系统及其识别方法，根据部分已观察到的状态信息结合问题结构模型推出其他未能观察到的隐动作，有效地解决了传统算法识别困难和对噪声数据敏感等问题。

技术领域

本发明涉及工作流识别技术领域，特别涉及基于时序行为检测的工作流识别系统及其识别方法。

背景技术

随着社会和科技的不断进步，工业生产正朝着自动化、智能化的方向快速发展。工作流相关技术的研究也越来越受到人们的重视，并被广泛地应用于电子业务、制造业、软件开发、生物医学和银行业务等各个领域。工作流不但能够自动化处理相关的活动或任务，减少人机交互处理过程中带来的潜在错误，而且能够精确化每一处理步骤，最大化地提高企业的生产效率。这就要求工作流能够支持动态可变的、灵活的应用场景。

由于安全生产、产品质量及其成本控制等方面的需求，工作流任务识别已成为一个重要的研究问题。例如制造业生产装配线上的智能监控、医院病人护理和手术流程中的自动管理等方面。近年来，在大数据、“互联网+”和工业自动化背景下，工作流中的业务流程日趋复杂多变。由需求分析引起的业务过程重新建模或由维护升级引起的过程模式变更和改进，也将变得越来越频繁。如何在这样动态多变的复杂环境下快速准确地识别出任务，就成为目前工作流任务识别研究亟需解决的关键问题。

发明内容

本发明提供了一种基于时序行为检测的工作流识别系统及其识别方法，根据部分已观察到的状态信息，同时结合问题结构模型，以及当前隐动作等相关辅助标注信息，就能推出其他未能观察到的隐动作，有效地解决了传统算法识别困难和对噪声数据敏感等问题。

本发明提供了一种基于时序行为检测的工作流识别方法，包括：

构建问题结构模型M(θ，D)，并初始化所述问题结构模型M(θ，D)中的参数θ；其中，参数θ中的值满足概率统计分布条件；

逐步扫描实例库L中的每行数据，根据所述实例库L中已知或观察到的辅助标注隐动作信息，采用EM算法迭代计算和更新参数θ；

通过ARMS算法，利用问题结构模型M(θ，D)的计算结果和规则约束获取动作模型

根据问题实例关于动作的辅助标注信息，计算其对应的隐动作序列O＝(o₁，...，o_m)；

利用FF规划器求解问题的解，并返回问题的规划解。

进一步地，所述构建问题结构模型M(θ，D)，并初始化所述问题结构模型M(θ，D)中的参数θ的步骤，包括：