Метод хранения и использования баз нечетких знаний
##plugins.themes.bootstrap3.article.main##
Аннотация
В работе предложен метод хранения и использования баз нечетких знаний в реляционной базе данных. Выделены основные сущности базы нечетких знаний. Приведено подробное описание схемы базы данных для хранения нечетких знаний, полученной после уточнения выделенных сущностей и проведения нормализации. Описаны основные этапы построения дерева нечеткого логического вывода путем выбора необходимых правил из базы данных. Процедуры взаимодействия с базой данных приведены в виде операций реляциионной алгебры. Для предложенного метода приведен алгоритм реализации с использованием очереди. Предложенная в работе схема хранения и метод построения дерева нечеткого логического вывода позволяют повысить эффективность работы со знаниями, используя преимущества хранения и работы с информацией, которые предоставляются реляционными базами данных.
Библ.17, рис. 1.
##plugins.themes.bootstrap3.article.details##
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
Авторы, публикующиеся в данном журнале, соглашаются со следующими условиями:- Авторы сохраняют за собой права на авторство своей работы и предоставляют журналу право первой публикации этой работы на условиях лицензии Creative Commons Attribution License, которая позволяет другим лицам свободно распространять опубликованную работу с обязательной ссылокой на авторов оригинальной работы и оригинальную публикацию в этом журнале.
- Авторы сохраняют право заключать отдельные договора на неэксклюзивное распространение работы в том виде, в котором она была опубликована этим журналом (например, размещать работу в электронном архиве учреждения или публиковать в составе монографии), с условием сохраниения ссылки на оригинальную публикацию в этом журнале.
- Политика журнала разрешает и поощряет размещение авторами в сети Интернет (например в институтском хранилище или на персональном сайте) рукописи работы как до ее подачи в редакцию, так и во время ее редакционной обработки, так как это способствует продуктивной научной дискуссии и положительно сказывается на оперативности и динамике цитирования статьи (см. The Effect of Open Access).
Библиографические ссылки
Adnan Yazici, Roy George Fuzzy Database Modeling / Studies in Fuzziness and Soft Computing (vol. 26), Springer, 1999. – 234 с.
José Galindo, Angélica Urrutia, Mario Piattini Fuzzy Databases: Modeling, Design And Implementation / Idea Group Inc (IGI), 2006. – 320 c.
José Galindo, Angélica Urrutia, Mario Piattini Representation of Fuzzy Knowledge in Relational Databases / Proceedings. 15th International Workshop on Database and Expert Systems Applications, 2004.. - Pp. 917-921.
KML (Knowledge Management Tools) / http://kml.mipt.ru/A/ru/bin/view/Home/KML2Specification
Li Yan, Z. M. Ma, Jian Liu Fuzzy data modeling based on XML schema / Proceedings of the 2009 ACM symposium on Applied Computing. New York, NY, USA 2009. Pp. 1563 – 1567.
Nauman Chaudhry, James Moyne, Elke A. Rundensteiner Designing Databases with Fuzzy Data and Rules for Application to Discrete Control, University of Michigan / Computer Science and Engineering Division, Department of Electrical Engineering and Computer Science, 1994. – 21 c.
FSQL (A Fuzzy Query Language) / http://www.lcc.uma.es/~ppgg/FSQL.html#Ref
Srdjan Skrbic, Milos Rackovic, Aleksandar Takaci The PFSQL Query Execution Process / Novi Sad J. Math. Vol. 41, No. 2, 2011. – Pp. 161-179.
Zhang X., Meng X., Wang X. A knowledge-based approach for answering fuzzy queries in XML / Seventh International Conference on Natural Computation (ICNC). - 2011. - pp. 18-22.
Bratko I. Artificial intelligence algorithms in the language PROLOG // Мoscow.: Williams Publishing House - 2004. - 640 p. (Rus)
Globa. L.S., Ternovoy M.Y., Shtogrina O.S. Fuzzy Knowledgebase Design for Intellectual Systems / International Scientific Journal of Computing. – Vol. 7, Issue 1. – Ternopil, “Naukova dumka” – 2008. – Pp.70-79. (Ukr)
Jackson P. Introduction to Expert Systems / Williams Publishing House, 2001. – 624 p. (Rus)
Kasatkyna N.V., Tanianskyi S.S., Fylatov V.A. Methods for storing and processing fuzzy data in relational systems / “ААЭКС”, №2(24), Informatsyonno-upravliaiushchye kompleksy i systemy, 2009, – http://aaecs.org/kasatkina-nv-tanyanskii-ss-filatov-va-metodi-hraneniya-i-obrabotki-nechetkih-dannihv-srede-relyacionnih-sistem.html (Rus)
Connolly T., Begg C. Database Systems. A Practical Approach to Design, Implementation, and Management / Мoscow.: Williams Publishing House, Third Edition. - 2003.- 1440 p. (Rus)
Rotshtein A. P. Intellectual Technologies of Identification: Fuzzy Sets, Genetic Algorithms, Neural Nets / Vinnitsa.: UNIVERSUM - 1999. – 320 p. (Rus)
Subbotin S.O. Knowledge presentation and processing in artificial intelligence and decision support systems / Study book. — Zaporizhzhya: ZNTU, 2008. — 341 p. (Ukr)
Fylatov V.A., Kasatkyna N.V., Vynokurova E.A. Intelligent analysis and visualization of fuzzy data based on principal component analysis / Vestnyk KhNTU №2(38), 2010. – С. 154 – 158. (Rus)
