时间：2022-11-02 04:30:01 | 来源：信息时代
时间：2022-11-02 04:30:01 来源：信息时代
模糊数据库 : 在数据的定义和表示、数据间的关系、对数据的操作和处理以及其本身的组织模式等方面都可能包含模糊性的一种数据库。模糊性可用各种方式表示,但是最有代表性的就是采用模糊集合来描述模糊性。因而,模糊数据库可较确切地被定义为“按一定的模式组织在一起,具有较小数据冗余、较高数据独立性、一致性、完整性和安全性,可供共享的一组模糊数据组成的一个模糊集合”。它除了具有与普通数据库公共的功能和属性之外,模糊数据库在下列几方面体现了其模糊性:
(1)其中存储的数据是以各种方式表示的模糊数据。
(2)数据间的关联方式和数据的结构是模糊的。
(3)在数据上可施行的运算和操作是模糊的。
(4)对数据的约束(例如完整性和安全性约束等)是模糊的。
(5)作为用户使用数据库的“窗口”,即用户视图是模糊的。
(6)关于冗余性和一致性等的定义也是模糊的,即当两个模糊数据的近似程度一当达到某种程度时就模糊地认为它们是同一个数据,而不苛求它们一定要完全相同。
(7)对具有推理功能的模糊演绎数据库和模糊智能数据库而言,其中的推理规则和推理模式也是模糊的。
模糊数据库研究的主要内容包括:
(1)模糊数据的表示、语义解释和存储方式。
(2)模糊数据模型: 包括模型中各种模糊数据对象的定义以及可在模糊数据上施行的模糊操作和处理的定义等。
(3)模糊数据库管理系统: 除了系统功能、结构和界面的设计与实现之外,主要包括模糊数据定义语言(FDDL)、模糊数据操纵语言(FDML)和模糊查询语言(FQL)等数据库语言的设计和实现。
(4)各种模糊数据库工具: 包括模糊数据库设计与实现工具、测试工具以及供不同应用领域使用的各种模糊数据库中间件等。
(5)模糊数据库和模糊知识库的结合: 包括各种模糊逻辑理论、模糊知识表示方法和模糊知识库的结构、处理和运用以及模糊知识库与模糊数据库的集成和接口技术的研究等。
事物或事件的模糊性与随机性都是用来描述客观事物或事件的不确定性的,但它们所描述的含义本身有着本质上的区别。随机性所描述的事件或现象本身含义是清楚的,可以明确判定该事件在某特定时刻和特定条件下发生了还是没有发生,只不过是所关心的事件或现象是否发生不能预先确定而已。随机性在概率论中一般用[0,1]之间的一个数(称为概率)来度量。然而,模糊性所描述的现象或概念本身的界限是不清楚的,人们不能明确判定一个具体的对象是否符合一个模糊概念。例如,一张白纸上的一片墨迹,由于墨水外渗,墨迹边缘不清楚,要判定一些墨迹边缘上的部位是已被墨迹污染了,还是没有被污染是不可能明确回答的,它只能用一种“可能性”(例如也可用[0,1]之间的一个数)来描述,这就是模糊性的度量。在此例中,肯定在墨迹中的点具有最大的可能性,肯定不在墨迹中的点具有最小的可能性,而在边缘上的一些点的可能性则介于两者之间。由此可见,对象的所谓模糊性其实是指其边界的不清楚性。为了描述这种模糊性,上面建议了一种用0和1之间一个确定的实数来描述的方案。其实,这样一来似乎又把问题精确化了。因此,另一种方案是不妨采用自然语言中表示可能性程度的一组形容词来分别描述它们,例如采用下列一组词汇来描述: {肯定不可能,极不可能,很小可能,较小可能,可能,较大可能,很大可能,极大可能,肯定可能}。
这样,事物的模糊程度仍然用了一种模糊的方式加以描述,从而更加贴切地反映了本来的意图。如果一个对象或事物是否出现可用“肯定不可能”或“肯定可能”两个词汇就能完全描述,那么它就是一个精确对象。因此,在这种观点下,精确对象可看成是模糊对象的一种特例。这给模糊理论或方法设定了一种“边界条件”,即要求当被研究对象退化为精确的时候,模糊的理论或方法必须与精确的理论和方法相衔接。客观世界充满着模糊性,不但在描述事物间互相联系的静态结构方面存在着模糊性,而且在表示事物间互相作用的动态行为方面也存在着很多模糊性。一个数据库是对客观世界的一部分(可能是一个企业、一个单位、一个或一组事物等)的一种抽象描述。各种数据是对客观世界中事物的属性、数量、位置,或者它们间的相互关系的形式表示。在作为客观世界的抽象描述的数据库中,如果不能表示模糊性和不完全性等概念将是一个很大的不足。所以,提出一种能更确切反映现实世界的模糊性的数据库系统自然是一个很迫切的客观需求。
1977年,V.Tahani首先提出了“模糊查询”(fuzzy query)的概念,允许在原有关系型数据库的检索条件中包含一些用模糊集表示的模糊量或模糊概念。
20世纪80年代初,B.P. Buckles和M. Umano等人在其论文中陆续提出了“模糊数据库”(fuzzy database)这个名词。但含义往往都比较简单,仅仅是允许在数据库中存放一些模糊数据和不确定数据而已。一般,它们采用一个包含若干元素的普通集合来表示一个不确定数据,即该数据可以随机地取集合中任一元素为值,并采用由美籍伊朗人L.A.Zadeh提出的模糊集合来表示模糊数据。当时虽已出现了模糊数据库这个名词,但并未形成科学而明确的概念和定义,更缺乏一套完整的理论体系。文献上的报道可以说仅是一些互相孤立的研究。由于理论和实现技术上的困难,模糊数据库技术多年的发展并不算很快,使得迟迟没有商品化的模糊数据库管理系统推出。
1984年,J.F.Baldwin和S.O.Zhou提出了一种模糊关系推理语言FRIL,它被用于知识表示和模糊推理。
从20世纪80年代中后期开始,在国内外出现了一系列对模糊关系数据库的有关概念和方法较好的研究,建立了一套较合理的理论体系,包括各种模糊数据表示、模糊距离的度量、模糊数据模型、模糊语言、模糊查询等,并且摸索了一些较实用的实现技术,在计算机上实现了一些基于上述理论和技术的模糊数据库管理系统的原型,并在一些领域得以初步应用。在这方面,我国何新贵院士和他的研究小组在十多年的研究中做出了不少贡献。
在未来的发展中,除在模糊数据库的理论和方法上仍需作各种必需的改进和完善之外,下列几方面的发展将具有特别的意义:
(1)把模糊数据库技术与模糊知识处理技术有机结合,建立模糊专家系统开发工具和环境,开发各种应用领域实用的模糊专家系统。
(2)把模拟计算技术纳入模糊数据库的操作和处理中。例如,隶属函数的生成、隶属函数间的各种运算,乃至由模糊数据表示的各种对象之间的模糊关联等,若能用一些模拟计算部件来完成,可以充分发挥模拟计算快速和逼真的长处,而且可以模拟客观世界存在的随机性,从而将模糊性和随机性都纳入到数据库中来。
(3) 把模糊数据库技术与主动处理技术乃至Agent技术有机结合,发展功能很强的模糊主动数据库乃至模糊主动知识库系统。
(4)在海量模糊数据库中进行数据挖掘,从中归纳或挖掘出隐含在其中的各种知识。
(5)开展模糊数据库的应用研究,特别是在生物信息学、医疗诊断、案情侦破、模式识别、过程控制以及农业等方面的应用。
(6)将XML引入模糊数据库,开展网上模糊数据库及应用的研究。
在线咨询
