1.一种基于规则集的工作流执行方法，其特征在于，包括以下步骤：S1、采集工作流数据，构建活动规则库，并对规则库参数进行训练；

S2、采集输入活动节点X，在活动规则库中搜索输入活动节点X的相关活动规则，并计算输入活动节点X与其相关活动规则Rk的相似度Sk；

S3、根据相似度Sk，扫描相关活动节点规则Rk的后件部分活动节点的执行状态，获取激活规则集R*；

S4、通过相似度Sk获取激活规则集R*中活动规则的激活度wk(x)；

r

S5、通过激活度wk(x)计算输出活动节点Yi的综合置信度γi，获取综合规则R ，实现工作流活动信息转移。

2.根据权利要求1所述的一种基于规则集的工作流执行方法，其特征在于，所述步骤S1中活动规则库中活动规则为Rk：如果输入活动节点X为 则输出活动节点Yi为其中，As表示输入活动节点X的第s属性，Bsj表示输入活动节点X的第s属性的第j个参考等级取值， 表示第k条规则中输入活动节点X关于第s个属性的第j个参考等级的置信度，Dih表示输出活动节点Yi的第h个属性， 表示输出活动节点Yi在第h个属性下的第m个参考取值等级， 表示第k条规则中输出活动节点Yi的第h个属性的第m个参考取值等级的结果置信度，s＝1,2,...,T，j＝1,2,...,Js，T表示输入活动节点X的属性总数，Js表示第k条规则中输入活动节点X中属性As下的参考取值等级总数。

3.根据权利要求2所述的一种基于规则集的工作流执行方法，其特征在于，所述步骤S1中对活动规则库参数进行训练的具体步骤为：A1、设置训练参数向量

A2、建立训练目标函数 为：

A3、设置初始迭代点 并令t＝0；

A4、对活动规则库参数结果置信度 进行降维，其降维计算公式为：A5、获取降维的最大步长 其计算公式为：

且新迭代点满足以下要求：

A6、在新迭代点处训练出的活动规则库的参数值与实际观测数据之间的误差最小时，训练结束，训练结束的约束条件为：其中， 表示活动规则库中第k条规则的输出活动节点Yi的第h属性下的第m参考取值等级的结果置信度， θk表示活动节点规则的规则权重，θk∈[0,1]， 表示实际观测数据中第k条规则的活动节点Yi的第h属性下第m参考取值等级的结果置信度，m＝1,

2,...,mG，mG为第G个属性的参考取值等级总数，t表示迭代次数， 表示新迭代点，表示低维空间迭代点 处的导数，τih表示降维的步长，ε＝1×10-6，f表示二分法执行的次数； 表示在迭代点 处时，结果置信度 的值， 表示 在迭代点处的导数， 表示在迭代点 处的函数值， 表示在迭代点 处的函数值，表示在迭代点 处的函数值。

4.根据权利要求2所述的一种基于规则集的工作流执行方法，其特征在于，所述第k条规则中输入活动节点X关于第s属性的第j个参考等级的置信度 采用以下公式计算：*

其中，x(B )表示输入活动节点X中属性As的输入值，bsj表示属性等级Bsj的效用值，bs(j+1)表示属性等级Bs(j+1)的效用值， 表示输入活动节点X关于第s属性的第q个参考等级的置信度。

5.根据权利要求2所述的一种基于规则集的工作流执行方法，其特征在于，所述步骤S2中相似度Sk通过以下公式计算：Sk＝1-Dk Sk∈[0，1]；

其中，Dk表示输入活动节点X与第k条规则之间的距离，asj表示输入活动节点X关于第s属性的第j个参考等级的置信度， 表示与活动规则库的规则对应的置信度。

6.根据权利要求2所述的一种基于规则集的工作流执行方法，其特征在于，所述步骤S3包括以下分步骤：S3.1、根据相似度Sk，扫描与输入活动节点X相关活动规则Rk的输出活动节点Yi，并依次判断相关活动规则Rk的活动节点状态Si；

S3.2、若活动节点状态Si为：准备执行，则将该条活动规则Rk存入激活规则集R*；若活动节点状态Si为：等待执行，则判断该条活动规则Rk是否满足执行条件，若是则将该条活动规则Rk存入激活规则集R*，否则舍弃该条活动规则Rk，得到激活规则集R*。

7.根据权利要求2所述的一种基于规则集的工作流执行方法，其特征在于，所述步骤S4包括以下分步骤：S4.1、将输入活动节点X的活动属性δs标准化；

S4.2、根据相似度Sk和标准化后的活动属性δs，计算激活规则集R*中的激活度wk(x)。

8.根据权利要求7所述的一种基于规则集的工作流执行方法，其特征在于，所述活动属性δs标准化通过以下公式获取：所述激活度wk(x)的计算公式为：

其中， 为第k条规则的标准化活动属性，θk为第k条规则的规则权重，θf为第f条规则的规则权重，L*为活动规则库中规则总数，Sf表示与输入活动节点Xf相关规则Rf的相似度，为第z条规则的标准化活动属性。

9.根据权利要求8所述的一种基于规则集的工作流执行方法，其特征在于，所述步骤S5中综合置信度γi通过以下步骤获取：B1、获取第k条规则中的输出活动节点Yi对综合规则Rr的贡献程度函数mi,k，其计算公式为：B2、获取综合规则Rr中为分配到任何节点的程度函数mY,k，其计算公式为：B3、获取激活规则重要性剩余部分函数 其计算公式为：

B4,、获取活动节点规则Rk的不完整程度函数 其计算公式为：B5、根据贡献程度函数mi,k和程度函数mY,k，获取激活规则集R*中所有规则分配到输出活动节点的程度mi，其计算公式为：B6、根据程度函数mY,k和激活规则重要性剩余部分函数 获取激活规则集R*所有规则的激活权重 其计算公式为：B7、根据激活规则重要性剩余部分函数 获取激活规则集R*中所有规则的不完整程度 其计算公式为：B8、根据 得到标准化常数λ为：

B9、根据 得到综合置信度γi为：

其中，G为输出活动节点Yi的属性总数，h＝1,2,...,G，mG为第G个属性的参考取值等级总数，m＝1,2,...,mG，n为输出活动节点Yi的总数，i＝1,2,...,(n-1)，E为激活规则集R*中激活规则总数，k＝1,2,...,E。

10.根据权利要求9所述的一种基于规则集的工作流执行方法，其特征在于，所述综合规则表示为Rr：如果输入活动节点X为 则综合目标Z为{Yi,γi}。