29、模糊集与Vague集数据库模型在不确定查询处理中的性能分析

模糊集与Vague集数据库模型在不确定查询处理中的性能分析

在现实生活中，信息往往是不精确或不完整的，传统的关系数据库系统难以处理这类不确定数据。为了解决这一问题，模糊集和Vague集理论应运而生。模糊集理论由Zadeh在1965年提出，用于处理不精确或模糊的数据；而Gau和Buehrer在1993年提出了Vague集理论，它被认为在处理不确定信息方面比模糊集更有效。本文将对模糊和Vague关系数据库模型处理不确定查询的能力进行比较分析，并提出一种新的算法来计算隶属度值。

1. 基本定义

• 模糊集 ：在论域$X$中，模糊集$S$是有序对${(x, \mu_S(x)): x \in X}$的集合，其中$\mu_S: X \to [0,1]$表示$x$在$S$中的隶属度。普通子集$A$可以看作是隶属函数$\mu_A$取二进制值的模糊集，即$\mu_A = \begin{cases} 1, & \text{if } x \in A \ 0, & \text{if } x \notin A \end{cases}$。
• Vague集 ：在论域$X$中，Vague集$S$由两个隶属函数表征：真值函数$t_S: X \to [0,1]$和假值函数$f_S: X \to [0,1]$。$t_S(x)$表示从“支持$x$的证据”得到的$x$隶属度的下界，$f_S(x)$表示从“反对$x$的证据”得到的$x$否定的下界，且$t_S(x) + f_S(x) \leq 1$。$x$在Vague集$S$中的隶属度$\mu_S(x)$被限制在$[t_S(x), 1 - f_S(x)]$子区间内，即$t