РЕЛЯЦІЙНА МОДЕЛЬ ДАНИХ У ВИРІШЕННІ ЗАДАЧ НЕЧІТКОЇ ЛОГІКИ

Oleh Zolotukhin; Maryna Kudryavtseva; Valentin Filatov; Mykola Chernenko; Anatoly Andrusevich

doi:10.26906/SUNZ.2026.2.104

Автор(и)

Oleh Zolotukhin
Maryna Kudryavtseva
Valentin Filatov
Mykola Chernenko
Anatoly Andrusevich

DOI:

https://doi.org/10.26906/SUNZ.2026.2.104

Ключові слова:

нечіткі дані, реляційна модель даних, відношення, теорія нормалізації, відношення фазифікації лінгвістична змінна, нечітка логіка

Анотація

Актуальність. Сучасні інтелектуальні технології обчислень переживають свій розквіт. Це пов'язано з потоком нових ідей, що виходять із галузі комп'ютерних наук, яка утворилася на перетині штучного інтелекту та інформаційних технологій. Предметні області, в яких бази даних використовуються як джерело даних, а як метод їх обробки - підхід на основі нечітких систем, становлять інтерес і з практичний, і з наукової точки зору. Тому сьогодні проблема проєктування нечіткої моделі бази даних та технологія обробки абстрактної інформації засобами реляційних систем стає дедалі актуальнішою. Об’єкт дослідження: нечіткі множини, лінгвістична змінна, функція належності, реляційна модель даних, теорія нормалізації, відношення фазифікації. Мета статті: розробка методів зберігання і обробки нечітких даних засобами реляційної моделі, орієнтованої на реалізацію в середовищі сучасних систем управління базами даних. Особливу увагу приділено обґрунтуванню вибору схеми реляційної моделі даних для представлення функцій належності лінгвістичних змінних. Результати дослідження. У статті на підставі концептуального алгебраїчного підходу до побудови інформаційних систем проведені дослідження, які створюють математичні, технологічні та програмні умови впровадження апарату нечіткої реляційної алгебри і спеціальної структурованої мови для нечітких запитів. Розглянуто питання обробки нечітких даних засобами реляційної моделі, орієнтованої на реалізацію в середовищі сучасних систем управління базами даних. Досліджено особливості функцій належності лінгвістичних змінних. Дано визначення відношенню фазифікації, обґрунтована структура такого відношення, на підставі теоретико-множинного підходу. Особливу увагу приділено обґрунтуванню вибору схеми поєднання відношення фазифікації з реляційною базою даних предметної області що досліджується. Висновки. Розглянуто представлення функцій належності лінгвістичних змінних засобами реляційних систем. Дано визначення відношенню фазифікації, обґрунтована структура такого відношення, на підставі теоретико-множинного підходу. Розроблено технологію поєднання відношення фазифікації з реляційною базою даних предметної області що досліджується. Сфера використання отриманих результатів: гібридні інформаційно-аналітичні системи підтримки прийняття рішень.

Завантажити

Дані для завантаження поки недоступні.

Посилання

1. Bodyanskiy, Y., Zaychenko, Y., Kuzmenko, O., Zaichenko, H. (2026). Hybrid System of Computational Intelligence Based on Fuzzy Bagging and Group Method of Data Handling. In: Zgurovsky, M., Pankratova, N. (eds) System Analysis and Data Mining . Studies in Systems, Decision and Control, vol 609. Springer, Cham. https://doi.org/10.1007/978-3-031-97529-5_14

2. Фалько, М., & Шафроненко, А. (2024). Нечіткий метод кластеризації даних з використанням еволюційної процедури. Матеріали конференцій МЦНД, (25.10.2024; Умань, Україна), 424–426. https://doi.org/10.62731/mcnd-25.10.2024.004

3. Avrunin, O., Vlasov, O., & Filatov, V. (2020). Model of semantic integration of information systems properties in relay database reengineering problems. Innovative Technologies and Scientific Solutions for Industries, (4 (14)), 5–12. https://doi.org/10.30837/itssi.2020.14.005

4. Filatov, V., Semenets, V., & Zolotukhin, O. (2020). Data mining in relational systems. Innovative Technologies and Scientific Solutions for Industries, (3 (13)), 65–76. https://doi.org/10.30837/itssi.2020.13.065

5. Zadeh, L. A. (1974). The Concept of a Linguistic Variable and its Application to Approximate Reasoning. Learning Systems and Intelligent Robots, 1–10. https://doi.org/10.1007/978-1-4684-2106-4_1

6. Fuzzy Set Theory and Rough Set Theory. (2006). In Fuzzy Modeling and Fuzzy Control, Birkhäuser Boston. 1–32. https://doi.org/10.1007/978-0-8176-4539-7_1

7. Mamdani, E. H. (1977). Applications of fuzzy set theory to control systems: a survey. Fuzzy automata and decision processes, 10, 247-259. https://doi.org/10.1016/0005-1098(77)90077-2

8. Raju, K. V. S. V. N., & Majumdar, A. K. (1988). Fuzzy functional dependencies and lossless join decomposition of fuzzy relational database systems. ACM Transactions on Database Systems, 13(2), 129–166. https://doi.org/10.1145/42338.42344

9. Takagi, T., & Sugeno, M. (1985). Fuzzy identification of systems and its applications to modeling and control. IEEE Transactions on Systems, Man, and Cybernetics, SMC-15, 116-132. https://doi.org/10.1109/TSMC.1985.6313399

10. Date, C. J. (2003). Introduction to database systems. Pearson Education, Limited, 1024 p. https://www.amazon.com/Introduction-Database-Systems-8th/dp/0321197844

11. Codd, E. F. (1983). A relational model of data for large shared data banks. Communications of the ACM, 26(1), 64–69. https://doi.org/10.1145/357980.358007

12. Filatov, V., & Semenets, V. (2018). Methods for Synthesis of Relational Data Model in Information Systems Reengineering Problems. 2018 International Scientific-Practical Conference Problems of Infocommunications. Science and Technology (PICS&T), 247–251. https://doi.org/10.1109/infocommst.2018.8632144

13. Filatov, V., & Doskalenko, S. (2018). On the Approach to Searching for Functional Dependences of Data in Relational Systems. Innovative Technologies and Scientific Solutions for Industries, (1 (3)), 54–58. https://doi.org/10.30837/2522-9818.2018.3.054

14. Rodriguez-Jimenez, J. M., Rodriguez-Lorenzo, E., Cordero, P., Enciso, M., & Mora, A. (2015). A Normal Form for Fuzzy Functional Dependencies. 2015 IEEE Symposium Series on Computational Intelligence, 984–989. https://doi.org/10.1109/ssci.2015.143