基于Stacking策略的过程剩余执行时间预测

论文摘要

为企业提供精确高效的业务过程剩余执行时间预测对企业合理安排后续计划有重要意义.为了体现各个基本活动以及活动之间存在的依赖关系对整体结果的影响,本文结合朴素贝叶斯、支持向量回归与长短期记忆网络提出一种基于Stacking策略进行模型融合的业务过程剩余时间预测算法.为了验证模型,将该方法应用于2017年荷兰银行贷款申请真实数据集中.实验结果表明,我们的方法与相关的业务过程时间剩余预测方法相比具有更高的预测精度以及更好的预测效果.

论文目录

• 1 引言
• 2 相关工作
• 3 基于Stacking模型融合策略的业务过程剩余时间预测算法
•   3.1 算法思想介绍
•   3.2 机器学习技术介绍
•     3.2.1 朴素贝叶斯分类器
•     3.2.2 支持向量回归
•     3.2.3 LSTM神经网络
•   3.3 SSMF模型框架
•   3.4 SSMF模型实现过程
•     3.4.1 NB模型的使用
•     3.4.2 SVR模型的使用
•     3.4.3 LSTM模型的运用
•     3.4.4 整体过程描述
• 4 实验与结果分析
•   4.1 实验数据
•   4.2 实验数据分析
•   4.3 评价指标
•   4.4 方法比较
•   4.5 对比试验分析
• 5 总结与展望

文章来源

类型: 期刊论文

作者: 李帅标,赵海燕,陈庆奎,曹健

关键词: 业务过程剩余时间预测,朴素贝叶斯,支持向量回归,长短期记忆网络,模型融合

来源: 小型微型计算机系统 2019年12期

年度: 2019

分类: 信息科技,经济与管理科学

专业: 自动化技术,金融

单位: 上海理工大学光电信息与计算机工程学院上海市现代光学系统重点实验室光学仪器与系统教育部工程研究中心,上海交通大学计算机科学与技术系

基金: 国家重点研发计划项目(2018YFB1003800)资助

分类号: F831.2;TP181

页码: 2481-2486

总页数: 6

文件大小: 972K

下载量: 124