壹、前言.docVIP

高等資料庫報告 模糊資料庫 (Fuzzy Database) 指導老師/陳彥良 學　　生/林芳助　　　　/張兆源目錄： 目錄： 2 壹、前言 3 貳、模糊學數的基本概念 4 一、模糊集合(fuzzy set)與歸屬函數(membership function) 4 二、模糊集合的表示方式 5 三、可能性理論(possibility theory) 6 四、模糊集合的運算 7 五、λ水平截集(λCut ) 7 參、外掛式模糊查詢語言 9 一、模糊查詢語言的語法 9 二、模糊語詞的歸屬函數 11 三、模糊語詞的解譯 17 四、處理多重背景的查詢 18 五、作法與範例 19 肆、具有模糊屬性值資料庫： 24 一、可能性理論補充 28 二、以可能性分布代表資料 29 三、可能性評估（Possibility Measure） 32 四、查詢範例 40 伍、具有模糊關係的資料庫 44 陸、參考文獻 47 壹、前言 在傳統的資料庫中所儲存的資料必須是明確的，當我們以查詢語言從資料庫抓取所要的資料集合時，這個查詢式也必須是一個明確的描述，如此資料庫系統才有辦法根據我們所要求的條件，明確的把資料找出。 但在真實的情況下，資料可能會遺失，資料也可能並不遺失但卻是模糊的，此外我們所希望使用的查詢式子也可能並不是非常明確，而是充滿口語或形容詞的（例如我們想要找出班上年紀較大或成績較好的同學 )。因此在本文中我們將把模糊理論應用在資料庫上，來改善傳統資料庫中無法處理的這類問題 大抵上，如何在資料庫內加入處理模糊的能力的研究主要可分為三種做法。第一種做法並不真的改變資料庫結構，也就是說它仍然假設資料模式為標準的關聯式結構，所以嚴格說來它並沒有儲存模糊資料的能力。但它在資料庫的查詢語言之上另外附加一層的前處理器，也就因為這前處理器的緣故，使用者可用模糊的述詞或形容詞來表達它們所要查詢的條件，而這些模糊查詢就由前處理器加以轉換成標準的資料庫SQL查詢式子，然後再由DBMS來加以處理與執行。 第二種做法和第三種做法則涉及資料庫結構和模式的改變，也就是說我們讓資料庫可以真的存放模糊資料，而不只是在上面附加一層查詢前處理器而已。第二種做法是假設資料庫的每一屬性不再只是單值而已，而是一個可能性分布（Possibility Distribution），也即他用一個類似機率分布的分布來代表以往資料庫中的一個單值。第三種做法則是在資料庫的關聯中，它假設有一些欄位是模糊屬性，而另外的欄位則是一般正常的屬性。而對於每一個模糊屬性的定義域，我們都必須要有一個類似矩陣（Similarity Relation）或近似矩陣（Proximity Relation）來定義不同模糊資料間的類似程度。當然除了這三種做法外，還有一些其他的做法以處理模糊資料，但因為這些做法並不是非常成功，因此在本報告中我們將僅對上述的三種方法做一介紹。 貳、模糊學數的基本概念 一、模糊集合(fuzzy set)與歸屬函數(membership function) 傳統的普通集合其推論是基於二值邏輯，即對於每個元素，若屬於這個集合，其特徵函數為1；若不屬於這個集合，則其特徵函數為0，我們可以表示成： 1965年Zadeh教授提出「模糊集合論」用來解決在現實生活中必須允許「是與否」之間擁有中界狀態的模糊現象，他仿照特徵函數表示普通集合的方法，建立歸屬函數來表示模糊集合。即歸屬函數表示出論域(universe of discourse)U中至[0,1]上的一個映射u uA:U→[0,1] 對於任何x屬於U，都有一個uA (x)，其值介於0與1之間，來代表x屬於模糊集合A的歸屬度。 例： U為代表年齡的論域，young與old為U中的兩個模糊子集，則歸 屬函數uyoung(x)與uold(x)表示如下 假如uyoung(30)=0.5，而uold(80)=0.97，這意味著30歲為年輕的歸屬度為0.5，80歲為年老的歸屬度為0.97。 二、模糊集合的表示方式 模糊集合 具體表示方式有很多種，以下為兩種常用的表示法： 1、Zadeh表示法 其中並非分數，而是表示論域中的元素xi及其歸屬度之間的對應關係，+也並不表示求和，而是表示模糊集合在論域上的整體。 例如： 假設U={1,2,…..6}， 為「靠近於4」的數，其模糊集合表示式為 2、序偶表示法 前例中的模糊集合A，可以表示為 或 三、可能性理論(possibility theory) Zadeh教授的可能性理論，就是將歸屬函數值解釋為某一個元素屬於這個模糊集合的可能程度。不過對於歸屬函數值還有其他不同的解釋；例如：解釋為相對於模糊集合所表示事實的確信程度、真實的程度。 假設A為論域U中的一個模糊集合，其歸屬函