过程感知信息系统在当代组织中变得无处不在,这些信息系统以事件日志的形式记录了大量的业务流程执行数据,而过程挖掘技术是从事件日志中抽取有用的过程知识,旨在发现、监测和增强现实的业务流程。过程挖掘技术的应用有利于提升公司生产率,在指导公司经营,节省运行成本等方面发挥着重要功效。因此,过程挖掘技术是业务流程管理中的关键技术。信息系统的不断完善使得业务流程中的数据能够被充分的发现和利用,也使得过程挖掘技术面临着不断的挑战。但是现有的过程挖掘技术大多是基于静态的事件日志,即在数据库中已存储的业务流程上进行状态的分析和研究。换句话说,对于动态更新的日志,现有的过程挖掘技术表现出一定的局限性,例如:新产生的日志进行一次挖掘需要巨大的人力物力支持,同时可能隐藏甚至丢失原有模型中的重要行为等。针对这一问题,本文提出了基于增量日志的过程挖掘方法,首先基于静态事件日志挖掘出一个初始过程模型,然后分析增量日志和原有事件日志之间的差异并根据差异情况对初始过程模型进行更新,使得更新后的过程模型既能回放静态的历史数据,又能回放新增的事件日志,提高了模型的适合度,降低了过程挖掘的时间开销,同时保证了原系统的重要行为不会丢失。本文主要工作有:（1）针对业务流程模型变化检测问题,对变化区域采用子模块局部更新方法优化过程模型,通过子模块关联矩阵和状态方程来分析子模块局部更新的可行性。结合实际的公司实施业务流程的变更,验证了该方法的有效性,并通过仿真实验证明子模块局部优化方法是可行的。（2）针对业务流程中增量日志的变化更新问题,提出了基于最优近似迹的增量日志过程模型优化方法。首先在保留所有活动基于日志的可能行为关系不变的前提下,将包含并发和循环行为的迹进行预处理,再基于数据结构串比较的思想,计算增量日志与原日志间的最优近似迹,然后,通过比对增量迹和最优近似迹之间的差异确定最优近似迹的变化位置,再根据最优近似迹寻找原模型中对应的变化域,最后,根据不同的变化类型分别采取不同的优化方案,从而得到了优化之后的过程模型。（3）针对业务流程动态变化问题,为了提高过程模型的质量,提出了基于增量日志的行为聚类过程挖掘方法。该方法通过计算增量日志中的迹之间的行为距离,对日志中的迹进行行为聚类,利用聚类后的增量日志迹对原模型进行更新优化。最后通过实例验证了该方法的有效性。图[24]表[10]参[99]