10.26731/2658-3704.2020.3(8).22-28
В работе проведен анализ известных методов и моделей представления нечетких чисел в базах данных информационных систем. Рассмотрены и проанализированы известные методы построения функций принадлежности. Для определения ядра нечеткого числа предлагается использовать данные, полученные из внешних источников, а для носителя — теоретические сведения об объекте. Предложено при помощи отношения ядра к носителю нечеткого множества определять внешний вид функции принадлежности. Значения критерия могут быть изменены при необходимости учета множества реальных данных, или исходя из требований упрощения процедуры автоматизированной обработки. Предложено хранить нечеткие числа с типовыми функциями принадлежности в виде строки, содержащей значения для точек перелома, а нечеткие числа с произвольной функцией принадлежности – в виде строки, содержащей коэффициенты функции аппроксимации. Предложенный метод может найти применение в системах поддержки принятия решений и в автоматизированных системах управления технологическими процессами.
1. Модели управления проектами в нестабильной экономической среде : монография / [С. И. Левицкий, Ю. Г. Лысенко, А. В. Филиппов и др.] ; под ред. чл.-кор. НАН Украины, д-ра экон. наук, проф. Ю. Г. Лысенко. — 2-е изд., перераб. и доп. — Донецк : Юго-Восток, 2009. — 354 с.
2. Пегат А. Нечеткое моделирование и управление / А. Пегат ; пер. с англ. — 3-е изд. — М. : БИНОМ. Лаборатория знаний, 2015. — 801 с.
3. Поспелов Д.А. Нечеткие множества в моделях управления и искусственного интеллекта // Д.А. Поспелов. — М.: Наука. Гл. ред. физ.-мат. лит., 1986. – 312 с.
4. Башвеев Ю.А., Сальников И.И. Функция принадлежности в системе поддержки принятия решения по выбору микроконтроллера // XXI век: итоги прошлого и проблемы настоящего плюс. 2016. №3(31). С. 89-100
5. Chameau J.L., Santamarina J.C., Membership function I: Comparing methods of Measurement // International Journal of Approximate Reasoning. 1987, Vol. 1, pp.287-301
6. Нечеткие множества и теория возможностей. Последние достижения / Пер. с англ. / Под ред. Р.Р. Ягера. — М.: Радио и связь, 1986. – 408 с.
7. Орлов А.И. Экспертные оценки. // Журнал «Заводская лаборатория». 1996. Т.62. № 1. С.54-60.
8. Глоба Л.С. Подход к хранению баз нечетких знаний / Л.С. Глоба, М.Ю. Терновой, Е.С. Штогрина // OSTIS-2012. – С. 99-102.
9. Jose Galindo. Fuzzy databases: modeling, design and implementation / Jose Galindo, Angelica Urrutia, Mario Piattini // IGP in USA, – 2006.
10. Азов М.С. Прикладные интеллектуальные системы, основанные на мягких вычислениях / под ред. Н. Г. Ярушкиной. – Ульяновск: УлГТУ, 2004 – 139 с.
11. Касаткина С.В. Методы хранения и обработки нечетких данных в среде реляционных систем / Н.В. Касаткина, С.С. Танянский, В.А. Филатов // ААЭКС. – «Информационно- управляющие комплексы и системы». – 2009. – № 2(24).
12. Сергиенко М.А. Методы проектирования нечеткой базы знаний / М.А. Сергиенко // Вестник ВГУ, Серия: Системный анализ и информационные технологии. – 2008. – № 2. – С. 67-71.
13. Naresh Kumar. Storing, Querying and Validating Fuzzy XML Data in Relational Database / Naresh Kumar, Satyanand Reddy, V.E.S. Murthy // (IJCSIT) International Journal of Computer Science and Information Technologies, Vol. 5 (4) , 2014, pp. 5233-5240.
14. Jian Liu. Formal transformation from fuzzy object-oriented databases to fuzzy XML / Jian Liu, Z. M. Ma // Applied Intelligence Volume 39, Issue 3, 2013, pp 630–641
15. Amit Garg. Querying Capability Enhancement in Database Using Fuzzy Logic / Amit Garg, Dr. Rahul Rishi // Global Journal of Computer Science and Technology Volume 12 Issue 6 Version 1.0 March 2012.
16. Бизянов Е.Е. Имплементация нечетких моделей в информационные системы экономических объектов / Е.Е. Бизянов // Экономика и менеджмент инновационных технологий. – 2015. – № 4. – [Электронный ресурс]. – Режим доступа: http://ekonomika.snauka.ru/2015/04/8351
17. Берестов В.Л. Статистика: Учебное пособие. / В.Л. Берестов, Е.П. Жиленкова, С.Г. Кузнецов — Брянск: Брян.гос.инж.-техн.акад., 2014. – 244 с.