Fuzziness in Information Systems: How to Deal with Crisp and Fuzzy Data in Selection, Classification, and Summarization

این کتاب کمکی اساسی به توصیف فازی بودن در سیستم‌های اطلاعاتی است. معمولاً کاربران می خواهند داده ها یا اطلاعات خلاصه شده را از یک پایگاه داده بازیابی کنند و علاقه مند به طبقه بندی آنها یا ایجاد سیستم های مبتنی بر قوانین بر روی آن هستند. اما آنها اغلب از ماهیت این داده ها آگاه نیستند و/یا قادر به تعیین معیارهای جستجوی واضح نیستند. این کتاب رویکردهای نظری و عملی به فازی در سیستم های اطلاعاتی را بر اساس داده های آماری مربوط به واحدهای سرزمینی بررسی می کند.
فصل 1 نظریه مجموعه های فازی و منطق فازی را مورد بحث قرار می دهد تا خوانندگان را قادر به درک اطلاعات ارائه شده در کتاب کند. فصل 2 به پرس و جوهای انعطاف پذیر اختصاص دارد و شامل مسائلی مانند ساخت مجموعه های فازی برای شرایط پرس و جو، و عملگرهای تجمیع برای شرایط جابجایی و غیر تعویضی است، در حالی که فصل 3 بر خلاصه های زبانی تمرکز دارد. فصل 4 معماری کنترل منطق فازی را ارائه می کند که به طور خاص برای اهداف تجاری و سازمان های دولتی تنظیم شده است و قوانین و رویه های فازی را برای حل وظایف استنتاج نشان می دهد. فصل 5 فازی سازی پایگاه داده های رابطه ای کلاسیک را با تاکید بر ذخیره سازی داده های فازی در پایگاه های داده رابطه ای کلاسیک به گونه ای پوشش می دهد که داده های موجود و اشکال عادی تحت تأثیر قرار نگیرند. این کتاب همچنین جنبه های عملی رابط های کاربر پسند را برای ذخیره سازی، به روز رسانی، پرس و جو و خلاصه کردن بررسی می کند. در نهایت، فصل 6 به طور خلاصه یکپارچه سازی احتمالی پرس و جوهای فازی، خلاصه و استنتاج مربوط به پایگاه های داده واضح و فازی را مورد بحث قرار می دهد.
مخاطب اصلی کتاب پژوهشگران و دانشجویانی هستند که در زمینه های تحلیل داده ها، طراحی پایگاه داده و هوش تجاری فعالیت می کنند. از آنجایی که خیلی عمیق به مبانی و نظریه ریاضی منطق فازی و جبر رابطه‌ای نمی‌پردازد، برای متخصصان پیشرفته‌ای که برنامه‌های کاربردی متناسب با مجموعه‌های فازی را توسعه می‌دهند، نیز جالب است.

This book is an essential contribution to the description of fuzziness in information systems. Usually users want to retrieve data or summarized information from a database and are interested in classifying it or building rule-based systems on it. But they are often not aware of the nature of this data and/or are unable to determine clear search criteria. The book examines theoretical and practical approaches to fuzziness in information systems based on statistical data related to territorial units.
Chapter 1 discusses the theory of fuzzy sets and fuzzy logic to enable readers to understand the information presented in the book. Chapter 2 is devoted to flexible queries and includes issues like constructing fuzzy sets for query conditions, and aggregation operators for commutative and non-commutative conditions, while Chapter 3 focuses on linguistic summaries. Chapter 4 presents fuzzy logic control architecture adjusted specifically for the aims of business and governmental agencies, and shows fuzzy rules and procedures for solving inference tasks. Chapter 5 covers the fuzzification of classical relational databases with an emphasis on storing fuzzy data in classical relational databases in such a way that existing data and normal forms are not affected. This book also examines practical aspects of user-friendly interfaces for storing, updating, querying and summarizing. Lastly, Chapter 6 briefly discusses possible integration of fuzzy queries, summarization and inference related to crisp and fuzzy databases.
The main target audience of the book is researchers and students working in the fields of data analysis, database design and business intelligence. As it does not go too deeply into the foundation and mathematical theory of fuzzy logic and relational algebra, it is also of interest to advanced professionals developing tailored applications based on fuzzy sets.