Fuzzy-Induktionsmethode und ihre Anwendung zur Modellierung von Wissens- und Informationssystemen

Dieser Artikel schlägt eine vom Autor entwickelte Methode der Fuzzy-Induktion als Kombination der Bestimmungen der Fuzzy-Mathematik und der Fraktaltheorie vor, führt das Konzept des Rekursionsgrades einer Fuzzy-Menge ein und beschreibt die unvollständige Rekursion einer Menge als ihre Bruchdimension zur Modellierung einer Subjektdomäne. Als Umfang der vorgeschlagenen Methode und der Wissensmodelle, die auf ihrer Grundlage als Fuzzy-Mengen erstellt wurden, wird die Verwaltung des Lebenszyklus von Informationssystemen einschließlich der Entwicklung von Szenarien für die Verwendung und das Testen von Software berücksichtigt.

Relevanz

Beim Entwerfen und Entwickeln, Implementieren und Betreiben von Informationssystemen müssen Daten, Informationen und Informationen, die von außen gesammelt werden oder in jeder Phase des Software-Lebenszyklus entstehen, gesammelt und systematisiert werden. Dies dient als notwendige informative und methodische Unterstützung für die Entwurfsarbeit und Entscheidungsfindung und ist insbesondere in Situationen mit hoher Unsicherheit und in schlecht strukturierten Umgebungen relevant. Die Wissensbasis, die sich aus der Anhäufung und Systematisierung solcher Ressourcen ergibt, sollte nicht nur eine Quelle nützlicher Erfahrungen sein, die das Projektteam bei der Erstellung eines Informationssystems gesammelt hat, sondern auch die einfachste Möglichkeit, neue Visionen, Methoden und Algorithmen für die Implementierung von Projektaufgaben zu modellieren. Mit anderen Worten,Eine solche Wissensbasis ist ein Aufbewahrungsort für intellektuelles Kapital und gleichzeitig ein Instrument für das Wissensmanagement [3, 10].

Effizienz, Nützlichkeit und Qualität der Wissensbasis als Werkzeug korrelieren mit der Ressourcenintensität ihrer Pflege und der Effektivität der Wissensextraktion. Je einfacher und schneller das Sammeln und Fixieren von Wissen in der Datenbank und je relevanter die Ergebnisse von Abfragen sind, desto besser und zuverlässiger ist das Tool selbst [1, 2]. Diskrete Methoden und Strukturierungswerkzeuge, die auf Datenbankverwaltungssysteme anwendbar sind, einschließlich der Normalisierung relationaler Datenbankbeziehungen, erlauben es jedoch nicht, semantische Komponenten, Interpretationen, Intervalle und kontinuierliche semantische Mengen zu beschreiben oder zu modellieren [4, 7, 10]. Dazu benötigen wir einen methodischen Ansatz, der bestimmte Fälle endlicher Ontologien verallgemeinert und das Wissensmodell der Kontinuität der Beschreibung des Themenbereichs des Informationssystems näher bringt.

[3, 6]. ( ) ( – , , ), ( ), , – , , [5, 8, 9].

X – :

(1)

n = [N ≥ 3] – (, (0; 1) – (; )).
X = B, B = {a,b,c,...,z} – , X.
, ( ) , X, :

(2)

m – , i N – .
, () , , :

(3)

– , , X, , ; Re – .
, ( ) .

Re = 1 2- , ( ), X [1, 2]:

(4)

– , , – ( ) . – ( – ) [3, 9].

Re :

(5)

– X1, – X2 . .

, – .

, , , . , , , .

, , .

: ( ), ( ), ( ).

X – , X :

(6)

X1 – , X2 – , X3 – ,

(7)

, ( – ), ( ), .

, X ( ), .

, () « » :

(8)

1,6(6) .

, ( , . use-case), ( , . test-case).

, , .

:

(9)

– X;
– X, a ( ) 1;
– X, b ( ) 1.

, ( ) , / .

Ux X , , ( -) , / , , :

(10)

n – X.

Tx X . , , :

(11)

[D] – , n – X.
, . , .

, .

, « », , . , , .

« » , , .

1. .., .., .., « ». .: – , 2014. – 88 .
2. .., .., .., « ». .: – , 2014. – 122 .
3. .., «: ». : , 2011. – 296 .
4. ., « » / « ». .: «», 1974. – . 5 – 49.
5. ., « ». .: , 2016. – 320 .
6. .., « » / «», №54 (2/2008), http://www.delphis.ru/journal/article/fraktalnaya-matematika-i-priroda-peremen.
7. ., « ». .: , 2002. – 656 .
8. « : », . .., .. : - . . . -, 2003. – 24 .
9. .., « ». .: -, 2017. – 622 .
10. Zimmerman H. J. «Fuzzy Set Theory – and its Applications», 4th edition. Springer Seience + Business Media, New York, 2001. – 514 p.