1 / 93

ROZMYTE BAZY DANYCH

ROZMYTE BAZY DANYCH. DEFINICJE. ZBIORY ROZMYTE. Definicja . Niech X oznacza obszar odniesienia (uniwersum) . Zbiorem rozmytym A elementów obszaru X o funkcji przynależności  A (x) nazywamy zbiór uporządkowanych par: A = {<x,  A (x)>, xX,  A (x):X [0,1]}. ZBIORY ROZMYTE.

chenoa
Download Presentation

ROZMYTE BAZY DANYCH

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. ROZMYTE BAZY DANYCH

  2. DEFINICJE

  3. ZBIORY ROZMYTE Definicja.Niech X oznacza obszar odniesienia (uniwersum). Zbiorem rozmytym A elementów obszaru X o funkcji przynależności A(x) nazywamy zbiór uporządkowanych par: A = {<x, A(x)>, xX, A(x):X [0,1]}

  4. ZBIORY ROZMYTE • Elementy należące do A w stopniu niezerowym tworzą nośnik zbioru : supp (A) = {x: A(x) > 0} • Elementy należące w pełni do A tworzą rdzeń zbioru : Ker (A) = {x: A(x) = 1} • Elementy należące do A w stopniu większym lub równym pewnej wartości   [0,1] tworzą  - przekrój zbioru: A= {x: A(x) > }

  5. ZBIORY ROZMYTE • Jeśli xX A(x) = 0, to A jest zbiorem pustym. • Maksymalną wartość funkcji przynależności nazywamy wysokością zbioru: hgt (A) = sup xX A(x) • Jeśli hgt (A) = 1, to zbiór nazywamy normalnym. • Sumę wartości funkcji przynależności nazywamy licznością zbioru: card(A) =  xX A(x)

  6. OPERACJE MNOGOŚCIOWE Suma: AB(x) = max(A(x), B(x)) Iloczyn: AB(x) = min(A(x), B(x)) Dopełnienie: -A(x) = 1 – A(x) Różnica: A – B(x) = min(A(x), 1 – B(x)) Operacje max i min są często oznaczane przez  i .

  7. ZBIORY ROZMYTE Zbiory rozmyte A i B są równe, jeśli xX A(x) = B(x) Zbiór A zawiera się w B, jeśli xX A(x)  B(x)

  8. ZBIORY ROZMYTE Równość zbiorów rozmytych A i B można ocenić za pomocą miary bliskości  (A, B). Jedną z miar bliskości jest wysokość iloczynu, czyli:  (A, B) = supx min (A (x), B (x)).

  9. Liczba rozmyta (7.8, 8.2, 0.2, 0.2) μ 1 0 7.6 7.8 8.2 8.4 x

  10. Liczby rozmyte (7.7, 7.7, 0.2, 0.2) i (7.9, 7.9, 0.2, 0.2) μ 1 0.5 0 7.5 7.7 7.9 8.1 x

  11. W logice dwuwartościowej operator implikacji I (implikator) jest odwzorowaniem: {0, 1} {0, 1} {0, 1}. Parze liczb (a, b) należących do {0, 1} odpowiada wartość I (a, b), taka że: I (a, b) = 1, dla a = 0 oraz I (a, b) = 0, dla a =1 ib = 0. Zaproponowano różne wersje rozszerzenia implikacji do postaci [0, 1] [0, 1] [0, 1]. Jednym z nich jest implikator Gödela. IMPLIKATORY

  12. Jego definicję można przedstawić formalnie w sposób podobny do zapisu definicji implikacji klasycznej, z tą różnicą, że obie liczby a i b mogą przyjmować dowolne wartości z przedziału [0, 1]: IG (a, b) = 1 dla a  b, IG (a, b) = b dla a > b Implikator Gödela spełnia warunki wynikające z implikacji klasycznej, czyli: IG (0, 0) = 1, IG (0, 1) = 1, IG (1, 1) = 1 oraz IG (1, 0) = 0. IMPLIKATORY

  13. Ponadto IG ma następujące własności: a  c  IG (a, b)  IG (c, b) – implikator IG (a, b) jest funkcją nierosnącą a, b  c  IG (a, b)  IG (a, d) – implikator IG (a, b) jest funkcją niemalejącą b, IG (1, b) = b, IG (0, b) = 1, IG (a, 1) = 1, IG (a, IG (b, c)) = IG (b, IG (a, c)), IG (a, b)  min (a, b) IMPLIKATORY

  14. Implikatory Inne implikatory: Łukasiewicz I = min(1, 1-a+b) Kleene-Dienes I=max(1-a, b) Mamdani I=min(a,b) Zadeha I = max(1-a, min(a,b))

  15. Implikatory • Rozmyty implikator można wykorzystać przy określaniu stopnia zawierania się zbiorów rozmytych,  (A, B), czyli określeniu w jakim stopniu jest prawdziwe twierdzenie: jeśli x  A, to x  B:  (A, B) = infx I (A (x), B (x)) • Zbiory A i B są równe, jeśli A  B i B  A. Mamy więc: • (A, B) = min (infx I (A (x), B (x)), infx I (B (x), A (x))) Przy zastosowaniu implikatora Łukasiewicza otrzymujemy:  (A, B) = infx (1 – A(x) – B (x) ).

  16. MODEL ZWIĄZKÓW ENCJI

  17. MODEL ZWIĄZKÓW ENCJI M = {E, R, A} E – zbiór typów encji E R – zbiór typów związków R A = {AE, AR} – zbiór atrybutów encji AE i związków AR

  18. POZIOMY ROZMYTOŚCI Model związków encji składa się z trzech poziomów. Na każdym z nich może występować konieczność zastosowania zbiorów rozmytych. I – Zbiory E, R, A II – Zbiory wystąpień encji i związków III – Atrybuty

  19. POZIOM I i II E= {E(E)/E} R= {R(R)/R} AE = {AE(A)/A} AR = {AR(A)/A} Przyklad E = {1/Pracownik, 1/Projekt, 0.9/Klient} E = {E(e)/e}, R = {R(r)/r} , e – encja, r - związek

  20. ZWIĄKI ISA Jeżeli e E2  e E1 , to E2 jest podzbiorem E1, czyli E2  E1  E2(e)  E1(e) Jeżeli E1 , E2 , ... , En są podzbiorami E, to E1  E2  ...  En  E  max(E1(e), E2(e), ... , En(e))  E(e)

  21. ZWIĄZKI ISA Jeśli podzbiory E1 , E2 , ... , En są rozłączne, to supp(E1)  supp(E2)  ...  supp(En)= Ø Przynależność częściowa e E(e) > max(E1(e), E2(e), ... , En(e)) = 0 Przynależność całkowita e E(e) > max(E1(e), E2(e), ... , En(e)) > 0

  22. ZWIĄZKI ISA Niech A=X będzie warunkiem przynależności do zbioru niższego rzędu. Wtedy E1(e)= E(e)  Truth(A=X), gdzie Truth(A=X) – stopień spełnienia warunku A=X Ponadto E1(e)= E(e)  AE(A)  Truth(A=X)

  23. ZWIĄZKI ISA Dziedziczenie wielokrotne F  E1  E2  ...  En F(e)  min(E1(e), E2(e), ... , En(e))

  24. DZIEDZICZENIE Zbiór atrybutów zbioru encji Ei składa się ze zbioru atrybutów AE dziedziczonych od zbioru nadrzędnego E i zbioru atrybutów własnych AOi: AEi= AE  AOi AE(A) AEi(A)

  25. DZIEDZICZENIE ZWIĄZKÓW R: EF[0,1] <ei, fj, R(i,j)> ei dziedziczy związek między ei oraz fj Stopień przynależności R(i,j)  Truth(p)

  26. DZIEDZICZENIE ZWIĄZKÓW STUDENT, STUD_MAG, STUD_INZ STUDENT – PRZEDMIOT <s1, p7, 0,9>, Truth(TYP=MAG) = 0,8 <s1, p7, min (0,9, 0,8)>

  27. ZWIĄZKI Definicja związku rozmytego: R={(u, v, ) u  E, v  F,   <0,1>} Uczestnictwo całkowite: e  E e  {u(u, v, )  R,  > 0} Uczestnictwo częściowe e  E e  {u(u, v, )  R,  > 0}

  28. PODEJŚCIE PODSTAWOWE

  29. TRZY PODEJŚCIA • Podejście podstawowe: wartości atrybutów są precyzyjne, przynależność krotki do relacji jest liczbą z przedziału [0,1] • Podejście oparte na teorii możliwości: wartości atrybutów są podane za pomocą rozkładów możliwości • Podejście oparte na podobieństwie: dla dziedzin atrybutów definiuje się macierz podobieństwa, wartości atrybutów są podzbiorami swoich dziedzin

  30. RELACJE ROZMYTE Definicja.Niech X i Yoznaczają obszary odniesienia (uniwersum). Relacją rozmytą R nazywamy zbiór rozmyty na iloczynie kartezjańskim X  Y : R = {<x, y, A(x,y) >, xX, yY, A(x,y): X  Y [0,1]}

  31. RELACJE ROZMYTE • Klasyczna relacja jest podzbiorem iloczynu kartezjańskiego dziedzin jej atrybutów D1D2… Dn. Przynależność krotek jest liczbą należącą do zbioru {0,1}. • Relacja rozmyta jest zbiorem rozmytym na D1D2… Dn. Każdej krotce r = (d1 , d2 , ... , dn), gdzie di  Di, przyporządkowano liczbę z przedziału [0, 1] określającą, w jakim stopniu należy ona do relacji lub, inaczej mówiąc, w jakim stopniu są przez nią spełnione warunki integralności. Zbiór {0,1} został zastąpiony przedziałem [0,1].

  32. RELACJE ROZMYTE DUŻE_PROJEKTY

  33. RELACJE ROZMYTE Wartości funkcji przynależności mogą być zadane z góry lub wynikać z przeprowadzonych operacji. Relacja DUŻE_PROJEKTY mogła powstać w wyniku selekcji wykonanej na relacji PROJEKTY warunkiem rozmytym BUDŻET = ‘DUŻY’.

  34. ALGEBRA RELACJI ROZMYTYCH

  35. ALGEBRA RELACJI ROZMYTYCH Definicje operacji algebraicznych na rozmytych relacjach są rozszerzeniem operacji klasycznych o sposób obliczania funkcji przynależności.

  36. OPERACJE MNOGOŚCIOWE R, S – relacje, r, s, t - krotki Suma: RS(t) = max(R(t), S(t)) Iloczyn: RS(t) = min(R(t), S(t)) Różnica: R-S(t) = min(R(t), 1 – S(t)) Iloczyn kartezjański: RS(r, s) = min(R(r), S(s))

  37. OPERACJE RELACYJNE Selekcja: F(R)(r) = min(R(r), F(r)), gdzie F(r) oznacza stopień spełnienia warunku selekcji F Projekcja: X (t) = sup r(X) = t(X)R (r). Złaczenie: R*S (t) = min(R (r), S (s))

  38. OPERACJE RELACYJNEPRZYKŁAD PRACOWNICY

  39. OPERACJE RELACYJNEPRZYKŁAD Precyzyjny warunek selekcji

  40. OPERACJE RELACYJNEPRZYKŁAD Rozmyty warunek selekcji: WIEK = ‘Młody’ Młody 1 0 24 34 WIEK

  41. OPERACJE RELACYJNEPRZYKŁAD 1 Rozmyty warunek selekcji: WIEK = ‘Młody’

  42. OPERACJE RELACYJNEPRZYKŁAD 2 - PROJEKCJA DUŻE_PROJEKTY

  43. OPERACJE RELACYJNEPRZYKŁAD 2 - PROJEKCJA

  44. OPERACJE RELACYJNEPRZYKŁAD 3 - ZŁĄCZENIE

  45. OPERACJE RELACYJNEPRZYKŁAD 3 - ZŁĄCZENIE

More Related