模糊信息系统及其相应的关系数据库 (1993年)

模糊信息系统与传统信息系统不同，其研究的核心是模糊信息，也就是那些无法用精确的“是”或“否”来表述的信息。模糊信息系统通常由对象集合、属性集合、值域集合以及一个映射函数构成，能够处理模糊数据和不完整的数据。模糊信息系统可以分为属性值模糊信息系统和属性模糊信息系统两大类。 属性值模糊信息系统中，属性的值域是模糊子集，即每个属性可以有多个模糊值，并且这些值都有一个隶属度，表示该值属于模糊集的程度。而属性模糊信息系统则关注于对象的属性集合本身可能呈现出的模糊性，即对象的属性集合也是一个模糊集。 传统数据库技术在处理这类模糊数据时会遇到困难，因为其设计初衷是处理精确和完备的数据。传统数据库使用二维表格的方式组织数据，但这种方法在表达模糊信息时缺乏灵活性和直观性。因此，对于模糊关系数据库的研究应运而生。 模糊关系数据库的数学模型和理论框架自提出以来，已经出现多种独立的模型。有的模型仅停留在理论层面，有的模型则尝试实现并进行了代数运算的公式化。然而，这些模型在表达模糊信息时往往显得杂乱无章，无法提供一个全面的认识。 为了更有效地表示和处理模糊信息，可以通过矩阵形式来表达模糊信息系统。在这种表示方式下，矩阵的行和列分别对应着对象和属性集合，而矩阵的元素则表示这些属性对应的模糊值或者隶属度。 文章中提供的例子，如S=<X,A,V,P>中的信息表示为二维表格，而模糊信息P1则用矩阵Q来表示，以展现属性值的模糊性。例如，在一个包含三个对象X={x,y,z}和三个属性A={a,b,c}的情况下，每个对象和属性的模糊关系可以通过一个矩阵清晰地表达出来。矩阵中的每一个元素都是一个隶属度，它表示了对象在属性上属于某个模糊集的程度。比如，对象x关于属性a的隶属度为0.5，而对象y关于属性b的隶属度为0.25，等等。 研究模糊关系数据库的目的，是为了更好地模拟现实世界中复杂系统的数据处理需求。在复杂系统中，数据往往具有不确定性、模糊性和不完整性，这要求数据库系统在设计上要能够适应这些特性。传统的数据库设计因其严格区分值的精确性和完整性，难以满足这一需求。因此，研究者们开始探讨如何将模糊理论应用到数据库系统中，以便更好地处理模糊数据。 模糊关系数据库的研究为数据库技术带来了新的挑战和机遇。它不仅扩展了数据库的适用范围，也提供了处理不确定信息的数学工具。随着研究的深入，模糊关系数据库有望在实际应用中得到广泛应用，特别是在那些涉及模糊决策、模糊模式识别和模糊信息处理的领域。 模糊信息系统及其相应的关系数据库是一个结合了模糊集合理论与数据库技术的前沿研究领域。它旨在解决传统数据库在处理模糊数据时的局限性，并试图为复杂系统中的数据处理提供更加合理和有效的解决方案。