云的关系的模式及其的应用.docVIP

云的关系的模式及其的应用 　　摘要：在云变换的基础上，结合非经典关系数据库理论提出了云关系模式，给出了云关系模式的定义，探讨了云关系模式的意义，并将它应用于学生成绩数据库中，改进了目前学生定性评定方法，克服了其中的主观因素，实例证明该方法具有可行性。 　　关键词：云模型； 云关系； 定性评价 　　中图分类号：TP301 　　文献标志码：A 　　文章编号：1001-3695（2007）09-0170-03 　　 　　0引言 　　 　　随着不确定性研究的深入，越来越多的科学家相信，不确定性是这个世界的魅力所在，只有不确定性本身才是确定的。在众多的不确定性中，随机性和模糊性是最基本的[1,2]。前苏联数学家克尔莫哥洛夫提出的概率论公理化方法是人们研究随机性数学的基础，用概率来表示随机性，利用随机变量的分布函数可以方便地研究各种随机现象[3]。美国学者L．A．Zadeh提出的模糊数学是处理模糊性的主要理论工具[4]，其基本思想是：用隶属度来表示模糊性，将经典集合论中的特征函数的取值范围从二值{0，1}推广到区间[0，1]，使得模糊性可以用[0，1]区间中的数表示。概率论和模糊数学分别被用来研究随机性和模糊性，均存在各自的不足。首先，概率论中概率分布的前提条件过于严格，使其应用受到限制；模糊数学在应用中隶属度的难以确定是其始终没有解决的难题。其次，模糊性和随机性仅仅是从不同的角度去认识不确定性，均不考虑两者之间的关联性，实际应用中，随机性和模糊性常常是连在一起的，难以区分和独立存在。比如人类语言中学生成绩的定性概念――好、合格、差，概念的边界具有模糊性，同时处在定性概念边界附近的某些成绩归属于哪个定性概念又具有随机性。针对概率论和模糊数学在处理不确定性方面的不足，1995年我国工程院院士李德毅教授在概率论和模糊数学的基础上提出了云的概念，并研究了模糊性和随机性及两者之间的关联性。 　　自李德毅院士等人提出云模型至今短短的十多年，其已成功地应用到数据挖掘、决策分析、智能控制等众多领域。在众人的共同努力下云的基本理论也取得了一些发展，主要有云变换、逆向云、多维云、虚拟泛概念树自动生成等。关于云关系模式的文献尚不多见，而在实际应用中，数据源大多来自数据库，如果能对数据库进行云化处理，将会大大提高效率。本文的目的就是尝试建立云关系模型的基本理论，为云理论在数据挖掘、决策分析、综合评判及信息处理等方面的广泛应用作准备。 　　 　　1云模型理论基础知识 　　 　　1．1云概念和云发生器[5] 　　设U是一个用精确数值表示的定量论域；C是U上的定性概念；若定量值x∈U，且x是定性概念C的一次随机实现，x对C的确定度μ(x)∈[0，1]是有稳定倾向的随机数。 μ:U→[0，1]，??x∈U,x→μ(x)，则x在论域U上的分布称为云（cloud），每一个x称为一个云滴。 　　云概念整体特性可用云的数字特征来反映：a)期望Ex,云滴在论域空间分布的期望；b)熵En,定性概念的不确定性度量，由概念的随机性和模糊性共同决定；c)超熵He,是熵的熵，由熵En的随机性和模糊性共同决定。 　　图1是正向正态云发生器；图2是反向正态云发生器。正向正态云发生器是从定性到定量的映射，它根据云的数字特征（Ex，En，He）产生云滴；逆向正态云发生器是从定量值到定性概念的转换模型，它可以将一定数量的精确数据转换为以数字特征（Ex，En，He）表示的定性概念。 　　在一维云的基础上，可以定义二维云的数字特征：期望（Ex1，Ex2）、熵（En1、En2）、超熵（He1，He2）和相应的二维云发生器。 　　1．2云变换[6] 　　给定论域中某个数据属性X的频率分布函数f(x),根据X的属性值频率的实际分布情况自动生成若干粒度不同的云C(Exi，Eni，Hei)的叠加，每个云代表一个离散的、定性的概念。这种从连续的数值区间到离散的概念的转换过程，称为云变换。数学表达式为f(x) →∑ni=1（ai×C(Exi,Eni,Hei））。式中：ai为幅度系数；n为变换后生成离散概念的个数。 　　 　　2云关系 　　 　　定义1云域是指相关云概念的集合，记为C(c1(Ex1,En1,He1),…,cm(Exm,Enm,Hem))。其中：C为云域名，ci为云域中的第i个云概念。 　　给定一实数域D，通过云变换，该实数域D对应的云域记做C；用?Е藩?(C)表示C的幂集减?Е氮В?即2C-?Е氮А? 　　定义2云关系模式。设R={A1,…,An}是一个普通关系模式。其中属性Ai的值域是实数区间。通过云变换，属性Ai的云域为Ci，?Е藩?(Ci)为Ci对应的幂集减?Е氮В?i=1,…,n）。则R上的云关系是?Е藩?(C1)×…×?Е藩?(Cn)的子