Метод хранения и использования баз нечетких знаний

##plugins.themes.bootstrap3.article.main##

Olena Serhiivna Shtohrina
Maksim Yuriiovych Ternovoy

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##

Как цитировать
Shtohrina, O. S., & Ternovoy, M. Y. (2013). Метод хранения и использования баз нечетких знаний. Электроника и Связь, 17(6), 116–122. https://doi.org/10.20535/2312-1807.2012.17.6.11407
Раздел
информационные системы и технологии

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)