Interwałowe rozkłady możliwości i ich zastosowanie w rozmytych bazach danych

• Autorzy: Myszkorowski K.

Warianty tytułu

EN

Interval possiblity distributions and their use in fuzzy databases

• Języki publikacji: PL

Abstrakty

PL

Tematyka artykułu dotyczy modelowania niepełnej informacji w relacyjnych bazach danych za pomocą interwałowych zbiorów rozmytych typu drugiego. Zastosowano podejście posybilistyczne. Wartości atrybutów relacji są reprezentowane za pomocą interwałowych rozkładów możliwości. Przedstawiono analizę oceny stopnia spełnienia warunków stawianych zapytań. Za pomocą interwałowego rozmytego implikatora zdefiniowano pojęcie rozmytej zależności funkcyjnej między atrybutami.

EN

The paper deals with modeling of imperfect information in relational databases by means of interval-valued fuzzy sets. The possibility-based approach has been applied. Attribute values are represented by means of interval possibility distributions. The analysis of the extent to which attribute values satisfy query conditions has been presented. An interval-valued fuzzy implicator has been applied in the definition of the fuzzy functional dependency between attributes.

Słowa kluczowe

PL

rozmyte bazy danych; bazy danych; zbiory rozmyte; interwałowe zbiory rozmyte; rozkłady możliwości; implikatory rozmyte; rozmyte zależności funkcyjne

EN

fuzzy databases; fuzzy sets; interval-valued fuzzy sets; possibility distributions; fuzzy functional dependencies

• Wydawca: Wydawnictwo Politechniki Śląskiej
• Czasopismo: Studia Informatica
• Rocznik: 2009
• Tom: Vol. 30, nr 2A
• Strony: 107--120
• Opis fizyczny: Bibliogr. 18 poz.

Twórcy

autor

Myszkorowski K.

• Instytut Informatyki Politechnika Łódzka, 93-005 Łódź, ul. Wólczańska 215 tel. [phone],

Bibliografia

• 1. Alcade C, Burusco A., Fuentes-Gonzales R.: A constructive method for the definition of interval-valued fuzzy implication operators, Fuzzy Sets and Systems, 2005, 153, s. 211-227.
• 2. Chen G.Q.: Fuzzy logic in Data Modeling - semantics, constraints and database design, Kluwer, Boston 1998.
• 3. Cornelis C, Deschrijver G, Kerre E.E.: Advances and challenges in interval-valued fuzzy logic, Fuzzy Sets and Systems, 2006, 157, s. 622-627.
• 4. Deschrijver G, Kerre E.E.: Implicators based on binary aggregation operators in interval valued fuzzy set theory, Fuzzy Sets and Systems, 2005, 153, s. 229-248.
• 5. Dubois D., Prade H., Testemale C: Weighted Fuzzy Pattern Matching, Fuzzy Sets and Systems, 1988, 28, s. 313-331.
• 6. Karnik N.N., Mendel J.M.: An Introduction to Type-2 Fuzzy Logic Systems. University of Southern California, Los Angeles 1998.
• 7. Kerre E., Chen G.: An overview of fuzzy data models, in Studies in Fuzziness: Fuzziness in Database Management Systems, P. Bosc and J. Kacprzyk (Eds.), Physica Verlag, Heidelberg 1995, s. 23-41.
• 8. Łachwa A.: Rozmyty świat zbiorów, liczb, relacji, faktów, reguł i decyzji, Akademicka Oficyna Wydawnicza EXIT, Warszawa 2001.
• 9. Mańko J., Niewiadomski A.: Cardinality and Probability under intuitionistic and interval-valued fuzzy sets. Journal of Applied Computer Science, 2006, 14, s. 31-41.
• 10. Mondal T.K., Samanta S.K.: Topology of interval-valued intuitionistic fuzzy sets, Fuzzy Sets and Systems, 2001, 119, s. 483-494.
• 11. Niewiadomski A.: Interval-Valued and Interval Type-2 Fuzzy Sets: A Subjective Comparison. Proceedings of FUZZ-IEEE'07, Londyn 2007, s. 1198-1203.
• 12. Niewiadomski A.: Methods for the linguistic summarization of data: applications of fuzzy sets and their extensions. EXIT, Warszawa 2008.
• 13. Perry F.: Fuzzy Databases: Principles and Applications, Kluwer Academic Publishers, 1996.
• 14. Prade H., Testemale C: Generalizing database relational algebra for the treatment of incomplete or uncertain information and vague queries. Information Sciences, 1984, 34, s. 115-143.
• 15. Turksen I.B.: Interval-valued fuzzy sets based on normal forms. Fuzzy Sets and Systems, 1986, 20, s. 191-210.
• 16. Zadeh L.A.: Fuzzy sets. Information and Control. 1965, 8, s. 338-353.
• 17. Zadeh L.A.: Fuzzy sets as a basis for a theory of possibility, Fuzzy Sets and Systems, 1978, 1, s. 3-28.
• 18. Zemankova M., Kandel A.: Implementing imprecision in information systems. Information Sciences, 1985, 37, s. 107-141.