基于Vague集结构化查询语言探究.docxVIP

基于Vague集结构化查询语言探究 【摘要】传统的数据库都是以二值逻辑和精确数据为基 础的，不能表示许多模糊不清的对象。目前模糊数据库技术 是基于L. A. Zadeh所提出的模糊集，由于Vague集在表达 模糊信息方面的能力比模糊集强，所以基于Vague集的模糊 数据库具有广阔的应用前景。本文在Vague集和Vague关系 基础上，提出基于Vague集的模糊结构化查询语言VSQL,它 是针对于Vague关系模型的一种标准SQL扩展，可以应用于 机器学习、决策分析、知识获取，以及模式匹配等方面。 【关键词】Vague集Vague关系模式Vague关系Vague 结构化查询语言Vague隶属度 【中图分类号】TP399【文献标识码】A【文章编号】 1674-4810 (2012) 24-0012-03 Cantor创立的集合论是无法处理具有模糊性的不确定 信息和数据的，于是L. A. Zadeh在1965年提出了模糊集 (fuzzy set)理论。在随后的几十年中，模糊集理论不断 发展和完善，并在许多领域里取得被成功地应用。模糊集最 主要的特征是：每一对象都有一个互不相同的隶属于模糊集 A的程度，隶属函数UA (x) (xUU)给每个对象分派一个 [0, 1]中的数作为它的隶属度。 随着模糊集理论在模糊数据处理方面的广泛应用，其本 身所具有的一些不足也显现出来，其中之一就是糊集理论中 单值隶属度不能同时表示支持和反对的证据。为解决此问 题，台湾学者W ,L. Gau和D. J. Buehrer于1993年提出 了 Vague集(Vague set)理论。作为模糊集的进一步推广, Vague集具有更强的表达数据模糊性和不精确性的能力。在 Vague集中，给每个对象同样分派一个隶属度，不同的是该 隶属度是［0, 1］的一个子区间，这个子区间既给出了支持 xWU的证据，同时也给出了反对xWU的证据。与模糊集相 比较,Vague集有如下特性：模糊集能表示的模糊信息,Vague 集能表示；模糊集不能表示的信息，Vague集也能表示。 有关Vague集的研究已取得了丰硕的成果，一方面是 Vague集的性质研究，主要集中在相似度测量方面［3, 4, 5］,另一方面是利用Vague扩展关系数据模型，还有一个重 要的研究方向是基于Vague集的查询研究，Prade等人提出 了一种基于模糊数据库的查询语言，并对其中的选择和投影 操作进行了研究，Bose等人基于可能性分布模糊数据库，对 其中的选择、投影和连接操作进行了讨论，国内的赵法信等 人在这方面也作出了 一定的研究，基于Vague集的代数查询 语言中的选择、投影和连接操作进行了研究，Vague除操作 实现方法的研究，基于Vague关系数据模型的聚集操作研究。 本文在扩展Vague关系模型的基础上，提出了基于Vague集 的模糊结构化查询语言VSQL,并给出了相应的定义，能够方 便高效地进行查询Vague信息。 一 Vague 集 Vague集作为模糊集的一般化形式，具有更强的表达模 糊信息的能力。下面给出Vague集的定义。 定义1令X是一个点(对象)的空间，其中的任一元素 用x表示，X中的一个Vague集V用一个真隶属函数tv和一 个假隶属函数fv表示。tv (x)是从支持x的证据所导出的 x的隶属度的下界，fv (x)则是从反对x的证据所导出的x 的隶属度的下界，tv (x)和fv (x)将区间[0, 1]的一个实 数与X中的每个点联系起来，且tv (x) +fv (x) W1,即： tv： X-* [0, 1] fv： X-* [0, 1] [2] 由定义可知，它将x的隶属度限制在[0, 1]的一个子区 间[tv (x), 1-fv (x)]内。 Vague集V可以表示为：。 例如：如果 tv (x), 1-fv (x) =[0. 5, 0. 8],那么 tv (x) =0. 5, fv (x) =0. 2。这一结果表明：x 属于 Vague 集 V的程度为0. 5,而它不属于V的程度为0. 2O用投票模型解 释为：对于一个方案，有10个专家进行投票，有5个人支 持，2个人反对，有3个人弃权。 换句话说，我们可以这样理解，X的精确隶属度11 V(X) 或许不知道，但是它应是tv (x) Wyv (x) Wl-fv (x), 其中 tv (x) +fv (x) Wl。 这样，X的信息的精确性就十分清楚了，因为关于X的 不确定性可以用1-fv (x) -tv(X)来表征。如果该差值小, 表明我们相当精确地知道X；如果该差值大，则表明关于X 我们知道很少。如果l-fv (x)二tv(X),则表明我们精确地 知道x,此时，Vague集就退化为模糊集。如果l-fv (x)和 tv (x)同时为1或