流程挖掘是流程管理和数据挖掘交叉领域中的一个研究热点。当前的流程挖掘技术和工具都是以单一事件日志作为输入进行挖掘建模与分析,但在企业实际业务环境中,大部分情况下信息系统并不管理整个业务流程,而是处理流程中的某些活动,流程执行的数据往往被分散记录到不同的日志中。因此,需要将这些事件日志数据融合成为单一日志文件,才能够应用当前的流程挖掘技术和工具,以供对全局活动流程的挖掘与分析。然而,由于跨IT系统的流程日志的实例标识难以统一、流程日志中存在着执行实例的多对多等复杂匹配关系,以及融合所需信息可能缺失等问题,导致事件日志融合问题具有较高挑战性。为了解决上述问题,本文对面向流程挖的日志融合需要解决的问题进行深入的研究与分析,选择在实例级别上进行事件日志融合,将带有免疫记忆库的人工免疫系统作为日志融合方法的基础,对免疫的各个算子(或步骤)进行分析与设计,最终实现了一种可行的流程日志融合方法计算框架。所做工作如下:1)整理了国内外相关研究现状,引入匹配矩阵的概念,对事件日志融合进行了形式化定义,并指出了本文的事件日志融合问题是一个基于实例匹配矩阵的搜索优化问题。2)针对一对多、多对一和多对多的复杂实例匹配关系的日志融合,提出了一种基于混合人工免疫算法的日志融合方法:以实例匹配矩阵作为个体,使用启发式方法生成初始种群,以人工免疫系统的克隆选择和变异理论作为基础,通过种群免疫进化获得“最佳”的融合解,从而能有效支持包含多对多等实例匹配关系的日志融合。3)本文的融合方法在亲和度函数计算中,考虑两个实例级别的因素:流程执行路径出现的频次和流程实例间的时间匹配关系,分别从“量”匹配和“时间”匹配两个维度来评价进化中的个体,使实例间关系匹配更精确。4)通过在人工免疫方法中设置免疫记忆库和引入模拟退火机制,保证新一代种群的多样性,减少种群进化早熟几率,一定程度上提高融合效率。最后,通过多组不同数据集进行实验,融合成功率都高达90%以上,表明本文的方法能够实现多对多等实例匹配关系的日志融合;通过对比Claes等人的AIA算法,本文的事件日志融合方法在效率上平均能提升20%左右;最后,相比随机方法生成初始种群,启发式方法能加快免疫进化的速度。