业务过程是企事业组织宝贵的知识财产,业务过程决定了组织的资源配置情况从而直接影响了组织的市场竞争力。因此,业界和学术界纷纷关注企事业组织内部和组织间过程的建模与优化等研究和应用。企事业组织长时间的经营积累了大量业务数据,这使得分析事件日志并挖掘企事业业务过程规律成为可能。过程挖掘技术以这些日志数据为基础,从中抽取有价值的知识以发现、监控和改进现实过程,在过程建模和优化方面具有十分重要的科学意义和应用价值。本文在过程挖掘领域的主要工作与创新性如下:(1)针对现有轨迹数据处理技术忽略了不同活动具有不同重要性的问题,提出了带约束的轨迹相似性度量方法。该方法利用依赖度量识别出能够反映过程主干的一些典型因果序列,结合公共子序列,以这些典型序列为约束条件保证重要活动的优先权,并尽可能地保留原始日志所蕴含的过程信息。(2)针对当前发现算法无法从来自复杂环境下的日志中得到准确且可理解的过程模型的问题,提出了带约束的轨迹聚类算法。该算法采用带约束的轨迹相似性度量方法作为聚类偏好并选取了两种符合过程挖掘特性的聚类算法对轨迹进行聚类处理。实验结果表明在带约束的轨迹聚类结果的基础上应用过程发现算法可以得到简洁且可理解的过程模型,进而支持业务过程的分析和改进。(3)针对现有过程相似性度量方法存在结构偏好和行为偏好差异的问题,提出了带约束的过程相似性度量方法。该方法在带约束的轨迹相似性度量方法的基础上,绕过了过程模型,直接对比过程相应的日志数据来度量过程的相似性。实验结果表明带约束的过程相似性度量方法可以提供一个更为精确的相似性度量值。