目前很多非正常案例甄别方面的研究，大多是研究如何人工建立区分标准或特征库。针对这类方法前期准备工作量巨大且后期甄别能力有限、准确率低的缺点，提出了一个甄别正常与非正常案例的模型（detection model of normal and abnormal instances，DMNAI）。该模型基于流程挖掘，通过频繁模式发现来提取案例特征，经过特征选择得到所需特征集合，最后使用神经网络分类器完成检测；构造了一个能够自动甄别非正常案例的模型，从而避免了人工设定标准的主观性。实验表明，DMNAI经过现场实际数据的验证，能有效地自动化甄别非正常案例。
