Федеральное государственное образовательное бюджетное учреждение высшего профессионального образования Поволжский государственный университет телекоммуникаций и информатики

Кафедра Экономических и информационных систем

Предмет Проектирование баз данных и баз знаний

Сдана Проверена

« » 2013 г. « » 2013 г.

Курсовая работа

РАЗРАБОТКА БАЗЫ ДАННЫХ

«РИЭЛТЕРСКОЕ АГЕНТСТВО»

Выполнила студентка группы УИ-91 Дмитриева М.Ю.

Проверила к.т.н. Жданова Е.И.

Самара, 2013 г.

Рецензия Содержание

Y

Рецензия 2

Содержание 3

Введение 5

Задание 6

1. Построение нечёткого дерева решений 7

1.1 Определение лингвистических переменных 7

1.2 Построение функций принадлежности 9

1.3 Расчёт значений общей энтропии и прироста информации 10

1.4 Расчёт степеней принадлежности к каждому новому узлу 12

1.5 Расчёт принадлежности новой записи к целевому классу 15

2. Построение нечеткой экспертной системы в программном пакете CubiCalc 2.0. 17

2.1 Определение переменных Fuzzy Input, Output 17

18

2.2 Построение функции принадлежности 18

Далее необходимо задать характеристики всех трёх переменных project→adjective editor. Выбираем переменную Plowad в окне «Adjectives for variables», нажимаем Edit. Здесь каждой входной и выходной переменной ставим в соответствие набор функций принадлежности Adjective→Change List→New. В появившемся окне «Create Adjective(s)» задаём параметры: количество функций принадлежности (Number) равное 3; вид функции принадлежности (Shape) – Trapezoid; ширина основания (base width) равная 45 (рис.6). 18

Рисунок 6. Задание параметров функции принадлежности. 18

18

Получаем следующий функции принадлежности (рис.8): 19

Рисунок 8. Функции принадлежности 19

2.3 Определение набора правил, связывающих входные переменные с выходными 20

2.4 Настройка входного файла 22

2.5 Проверка работы системы 22

Для проверки работы системы необходимо запустить сценарий Execute→Run. Появится окно, содержащее значения переменных. Через некоторое время CubiCalc дойдёт до конца входного файла и появится итоговое сообщение (рис.14): 23

Рисунок 14. Итоговое сообщение 23

23

Заключение 24

Список использованных источников 25

Введение

Проблемы принятия решений в сложных условиях занимают в настоящее время особое место в информационных технологиях. Математические методы широко применяются для описания и анализа сложных экономических, социальных и других систем. Теория оптимизации создала совокупность методов, помогающих при использовании ЭВМ эффективно принимать решения при известных и фиксированных параметрах или когда параметры - случайные величины с известными законами распределения. Существует, однако, ряд задач, которые не поддаются формальному описанию в силу того, что часть параметров представляют собой неточно или качественно заданные величины, для которых переход от «принадлежности к классу» к «непринадлежности» непрерывен. Традиционные методы недостаточно пригодны для решения подобных задач именно потому, что они не в состоянии описать возникающую неопределенность.

В основе нечеткой логики лежит теория нечетких множеств, где функция принадлежности элемента множеству не бинарна (да/нет), а может принимать любое значение в диапазоне 0-1. Это дает возможность определять понятия, нечеткие по самой своей природе: "хороший", "высокий", "слабый" и т.д. Нечеткая логика дает возможность строить базы знаний и экспертные системы нового поколения, способные хранить и обрабатывать неточную информацию. Системы, основанные на нечеткой логике, разработаны и успешно внедрены в таких областях, как управление технологическими процессами, управление транспортом, управление бытовой техникой, медицинская и техническая диагностика, финансовый менеджмент, финансовый анализ, биржевое прогнозирование, распознавание образов, исследование рисковых и критических операций, прогнозирование землетрясений, составление автобусных расписаний, климатический контроль в зданиях.

Цель курсовой работы: изучить нечеткую логику в системе моделирования. Для достижения данной цели поставлены следующие задачи:

изучить литературу по данной теме;

определить лингвистические переменные;

построить нечёткое дерево решений;

построить функции принадлежности;

рассмотреть алгоритм нечеткого вывода;

изучить процесс моделирования;

оценить недвижимость.