Este artículo propone un método de inducción difusa desarrollado por el autor como una combinación de las disposiciones de la matemática difusa y la teoría fractal, presenta el concepto del grado de recursión de un conjunto difuso, describe la recursión incompleta de un conjunto como su dimensión fraccional para modelar un dominio de materia. Como se considera el alcance del método propuesto y los modelos de conocimiento creados sobre la base de conjuntos difusos, se considera la gestión del ciclo de vida de los sistemas de información, incluido el desarrollo de escenarios para usar y probar software.
Relevancia
En el proceso de diseño y desarrollo, implementación y operación de sistemas de información, es necesario acumular y sistematizar los datos, la información y la información que se recopila desde el exterior o que surge en cada etapa del ciclo de vida del software. Esto sirve como el soporte informativo y metodológico necesario para el trabajo de diseño y la toma de decisiones, y es especialmente relevante en situaciones de alta incertidumbre y en entornos mal estructurados. La base de conocimiento formada como resultado de la acumulación y sistematización de dichos recursos no solo debe ser una fuente de experiencia útil adquirida por el equipo del proyecto durante el trabajo de creación de un sistema de información, sino también la forma más sencilla de modelar nuevas visiones, métodos y algoritmos para implementar tareas del proyecto. En otras palabras,dicha base de conocimiento es un depósito de capital intelectual y, al mismo tiempo, una herramienta de gestión del conocimiento [3, 10].
La eficiencia, la utilidad y la calidad de la base de conocimiento como herramienta se correlacionan con la intensidad de recursos de su mantenimiento y la efectividad de la extracción de conocimiento. Cuanto más simple y rápida sea la recopilación y fijación de conocimiento en la base de datos y cuanto más pertinentes sean los resultados de las consultas, mejor y más confiable será la herramienta en sí [1, 2]. Sin embargo, los métodos discretos y las herramientas de estructuración que son aplicables a los sistemas de gestión de bases de datos, incluida la normalización de las relaciones de bases de datos relacionales, no permiten describir o modelar componentes semánticos, interpretaciones, intervalos y conjuntos semánticos continuos [4, 7, 10]. Para hacer esto, necesitamos un enfoque metodológico que generalice casos particulares de ontologías finitas y acerque el modelo de conocimiento a la continuidad de la descripción del área temática del sistema de información.
[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.
, . , .
, .
, « », , . , , .
« » , , .
- .., .., .., « ». .: – , 2014. – 88 .
- .., .., .., « ». .: – , 2014. – 122 .
- .., «: ». : , 2011. – 296 .
- ., « » / « ». .: «», 1974. – . 5 – 49.
- ., « ». .: , 2016. – 320 .
- .., « » / «», №54 (2/2008), http://www.delphis.ru/journal/article/fraktalnaya-matematika-i-priroda-peremen.
- ., « ». .: , 2002. – 656 .
- « : », . .., .. : - . . . -, 2003. – 24 .
- .., « ». .: -, 2017. – 622 .
- Zimmerman H. J. «Fuzzy Set Theory – and its Applications», 4th edition. Springer Seience + Business Media, New York, 2001. – 514 p.