UML模糊面向对象数据模型.ppt

第19章 模糊面向对象数据模型 19.1 模糊集合理论 19.2 数据系统模型和结构 19.3 模糊数据模型 19.4 模糊数据库语言 模糊面向对象数据模型，它的操作系统受到面向对象概念的影响，新一代的操作系统纷纷开始致力于成为面向对象环境的良好平台。 19.1 模糊集合理论 模糊逻辑摒弃了布尔这种简单的肯定和否定的逻辑，把逻辑世界看成是具有连续变化灰度的，允许一个命题亦此亦彼，存在着部分肯定和部分否定。 19.1.1 模糊理论简介 模糊理论是在美国加州大学伯克利分校电气工程系的L.A.zadeh教授于1965年在模糊集合理论的数学基础上创立发展起来的，主要包括模糊集合理论、模糊逻辑、模糊推理和模糊控制等方面的内容。 模糊控制的基本思想是把人类专家对特定的被控对象或过程的控制策略总结成一系列以“IF(条件)THEN(作用)”形式表示的控制规则，通过模糊推理得到控制作用集，作用于被控对象或过程。 模糊控制的几个研究方向： （1）模糊控制的稳定性研究。 （2）模糊模型及辩识。 （3）模糊最优控制。 （4）模糊自组织控制。 （5）模糊自适应控制。 （6）多模态模糊控制。 （7）模糊控制的主要缺陷。 19.1.2 模糊集合及逻辑 定义： 模糊集合（fuzzy set）： μX = {(v,u)| u是v对X的隶属度，u的值域为[0，1]} “高”是一个模糊概念，身高是一个可以度量的客观物理量。二者之间有一个「隶属度」。此概念可进一步用图19-1表述。 如何决定隶属函数是一个重要的基本课题。但是，实务上，为了简便，经常予以简化成三角形、梯形，如图19-2所示。 「语言（模糊）变量」（LINGUISTIC VARIABLES）有数个「模糊值」，分别以隶属度对应到绝对量。例如，图19-3所示中模糊变量「危险度」有高、中、低三个模糊值。 运算 （1）并集Union（logical OR） (A OR B)= max(f(A),f(B)) （2）交集Intersection（logical AND） (A AND B)= min(f(A),f(B)) 例：(tall AND small)= min(f(tall),f(small))，如图19-4所示。 （3）补集Complement（logical NOT） (NOT A)= 1 - f(A) 例：(NOT tall)=(1 - f(tall)) 注意：「不高」不等于「矮」。「不高不矮」是一句有意义的话，因为存在如图19-5所示的隶属函数。 （4）修饰词运算（fuzzy modifiers or `hedges）。 语言之中的形容词（修饰词）可以视为一种运算。例如：「很」高的隶属函数g（h）可以定义成：G(h)= f(h-20)「很」高的隶属如图19-6所示。 例如，今某地距车站75米，主要商业中心90米，商店数多少?（见图19-7） 19.2 数据系统模型和结构 下面对数据库模型进行介绍在数据库的发展史上，最有影响的数据库模型通常四种： （1）层次模型（Hierarchical Model。 （2）网状模型（Network Model。 （3）关系模型（Relational Model。 （4）数据独立存取模型，将数据表现为四级模型。 19.2.1 层次模型 在数据库中定义满足下面两个条件的基本层次联系的集合为层次模型： （1）有且仅有一个根结点无父结点 （2）其他结点有且仅有一个父结点 例如，图19-8所示的学校管理制度就是一个典型的层次模型。 层次模型的优点主要有： （1）层次数据模型本身比较简单。 （2）对于实体间联系是固定的，而预定义好的应用系统，采用层次模型来实现，其性能优于关系模型，不低于网状模型。 （3）层次数据模型提供了良好的完整性支持。 层次模型的缺点主要有： （1）层次模型表示非层次性的联系的方法很笨拙，只能通过引入冗余数据或创建非自然的数据组织来解决。 （2）对插入和删除操作的限制比较多。 （3）查询子女结点必须通过双亲结点。 （4）由于结构严密，层次命令趋于程序化。 19.2.2 网状模型 在数据库中，把满足以下两个条件的基本层次联系集合称为网状模型： （1）有一个以上结点无父结点 （2）至少有一个结点有多于一个的父结点 网状模型反映实体间复杂关系的表达能力比较强，也就是说，它既能表达实体间的纵向联系，又能表达实体间的横向联系。在图19-9所示的网状模型示意图中，4种零件由3个不同的厂家供应，并且由这些零件组装成3种部件。 网状数据模型的优点主要