随着工业智能化的到来,自动化生产越来越迫在眉睫,越来越多的企业开始在生产中使用业务流程管理系统。随着业务流程管理系统的运行,累积了越来越多的业务流程日志等数据,如何有效利用和分析这些事件日志是人们亟待解决的问题。过程挖掘技术是业务流程管理中的重要内容之一,可从事件日志中抽取过程知识,构建过程模型,有助于企业流程的检测并对其进行改进。本文通过调查过程挖掘技术在国内外的研究现状,梳理了其发展过程及具有代表性的过程挖掘算法,发现大多数过程挖掘算法在处理日志噪声方面存在不足,一些过程挖掘算法忽略噪声带来的影响,不具有客观性,而大多数可处理噪声的过程挖掘算法无法给出合理的去噪阈值。为了解决该问题,本文给出基于最大熵原则的去燥阈值方法,用于去除事件日志噪声对过程挖掘结果的影响,然而,此方法仅仅适用于稠密日志,因此,本文进行了优化,给出基于轨迹聚类的去噪方法,识别噪声轨迹。另外,本文在改进的频次矩阵的基础上,根据日志中的活动频次关系识别循环结构、选择结构、并行结构和非自由选择结构。最后给出了自适应去噪构建过程模型的算法。本文给出的算法是信息熵在过程挖掘领域中去除噪声的一种新的尝试。求得的去噪阈值参数不需人为进行设置,可根据事件日志自适应确定,因此给出的算法鲁棒性较好。最后,实验验证了本文提出的算法在挖掘含有噪声的日志时具有更高的拟合度、行为合理度、精确度与召回率。