- •Министерство образования и науки российской федерации
- •Введение
- •Часть 1. Теоретические сведения.
- •Понятие технологии обработки информационного обеспечения су
- •Ценность информационного обеспечения су.
- •Основные требования к информационному обеспечению су.
- •Методы и этапы проектирования соДиЗ.
- •Инфологическое проектирование
- •Проектирование с использованием метода "сущность-связь"
- •Определение требований к операционной обстановке.
- •Выбор субд и других программных средств
- •Часть 2. Проектирование соДиЗ
- •Проектирование бд
- •Логическое проектирование бд
- •Физическое проектирование бд
- •Особенности проектирования реляционной базы данных (рбд).
- •Нормализация отношений
- •Пример проектирования реляционной базы данных
- •Инфологическое проектирование
- •Анализ предметной области
- •Анализ информационных задач и круга пользователей системы
- •1) Функциональные возможности:
- •2) Готовые запросы:
- •Определение требований к операционной обстановке
- •Выбор субд и других программных средств
- •Логическое проектирование реляционной бд
- •Преобразование er–диаграммы в схему базы данных
- •Составление реляционных отношений
- •Нормализация полученных отношений до 3нф.
- •Определение дополнительных ограничений целостности
- •Описание групп пользователей и прав доступа
- •Реализация проекта базы данных
- •1. Запросы к бд.
- •2. Устранение избыточных, данных.
- •3. Соединение таблиц.
- •4. Функции агрегирования
- •5. Модификация таблиц.
- •Выбор варианта сетевого решения субд.
- •Проектирование базы знаний.
- •Данные и знания.
- •Система нечеткого вывода и программные средства ее реализации.
- •Основные этапы построения систем нечеткого вывода
- •Краткая характеристика программных средств реализации снв
- •Пример. Построение нечеткой модели управления температурой в помещении.
- •Гибридные нейронные сети и программные средства их реализации.
- •Моделирование оптимального режима функционирования технического объекта управления. Пример.
- •Часть3. Организация проектирования информационного обеспечения су.
- •Основные этапы организации и управления процессом разработки информационного обеспечения су на основе методологии msProject.
- •Основные возможности msProject.
- •Разработка плана проектирования информационного обеспечений су.
- •Отслеживание выполнение проекта.
- •Часть 4. Выполнение курсовой работы.
- •Содержание курсовой работы
- •Введение
- •Постановка задачи
- •Модели соио су. Общая характеристика.
- •Информационная модель соиосу.
- •1. Функция планирования.
- •Технологическая модель управления.
- •Коммуникационная модель аиус.
- •Заключение
- •Тематика и задания к курсовой работе
- •Задание на курсовую работу
- •Требования к оформлению курсовой работы
- •Литература
5. Модификация таблиц.
Если необходимо что-то изменить в схеме базы данных, можно воспользоваться оператором ALTERTABLE. Он используется с тем, чтобы изменять определение существующей таблицы: т. е. добавлять, удалять или изменять столбцы в таблицах.
Типичный синтаксис для добавления столбца к таблице:
ALTER TABLE <имя таблицы>
ADD <имя столбца> <тип данных> <размер> NULL
Столбец будет добавлен со значением NULLдля всех строк таблицы. Новый столбец станет последним по порядку столбцом таблицы.
Также имеется возможность удалять или изменять столбцы, например оператором:
ALTER TABLE <имя таблицы>
DROP <имя столбца> <тип данных>
Отметим, что синтаксис этой команды не стандартизован и может изменяться от системы к системе или вообще не поддерживаться. Иногда эта команда может оказаться неоценимой, но прибегать к ней необходимо только в крайних случаях, ибо изменение структуры таблицы, когда она уже находится в работе может иметь нежелательные последствия (лучше сразу правильно спроектировать схему базы данных).
Выбор варианта сетевого решения субд.
На этом этапе принимается решение о создании локальной сети (если в задании на курсовую работу это предусмотрено), выбирается вариант сетевой технологии, формируется список аппаратных и программных средств (см. Приложение 2).
Проектирование базы знаний.
Данные и знания.
При обработке на ВМ данные трансформируются условно проходя следующие этапы:
данные как результат измерений и наблюдений;
данные на материальных носителях информации (таблицы, протоколы, справочники);
модели (структуры) данных в виде диаграмм, графиков, функций;
данные в компьютере на языке описания данных;
базы данных на машинных носителях информации.
Знания основаны на данных, полученных эмпирическим путем. Они представляют собой результат мыслительной деятельности человека, направленной на обобщение опыта, полученного в результате практической деятельности. Наиболее распространенное определение знания следующее: знание – это закономерности предметной области (принципы, связи, законы), полученные в результате практической деятельности и профессионального опыта, позволяющие специалистам ставить и решать задачи в проблемной области. При обработке на ВМ знания трансформируются аналогично данным:
знания в памяти человека как результат мышления;
материальные носители знаний ( книги, методические пособия и т.п.);
поле знаний - условное описание основных объектов проблемной области, их атрибутов и закономерностей, их связывающих;
знания, описанные на языках представления знаний (продукционные языки, семантические сети, фреймы и др.);
база знаний на машинных носителях.
Существуют десятки моделей (или языков) представления знаний для различных проблемных областей. Большинство из них может быть представлено следующими классами:
продукционные модели;
семантические сети;
фреймы;
формальные логические модели.
Наиболее существенные особенности моделей реальных систем, построенных с использованием аппарата нечеткой математики и логики, состоят в следующем:
большая гибкость по сравнению с традиционными четкими методами, так как они позволяют описывать знания и опыт человека в привычной для него форме;
нечеткие модели более адекватны реальному миру, поскольку позволяют получить решение с учетом индивидуальных особенностей, свойственных не классу объектов исследования, а отдельному объекту этого класса;
возможность в ряде случаев более оперативного получения окончательного результата, чем на «точных» моделях, в силу активного использования знаний и опыта человека при построении нечетких операций.
В настоящих методических указаниях в качестве модели представления знаний используются система нечеткого вывода и гибридная нейронная сеть.
Эти модели используются для решения задач:
интерпретации данных;
диагностики;
прогнозирования;
проектирования;
управления;
поддержки принятия решений.
Интерпретация данных.
Это одна из традиционных задач экспертных систем. Под интерпретацией понимается процесс определения смысла данных, результаты которого должны быть согласованными и корректными. Для решения этой задачи используется гибридная нейронная сеть(ГНС) сопряженная с системой нечеткого вывода СНВ).
Диагностика.
Под диагностикой принято понимать процесс соотнесения объекта с некоторым классом объектов и/или обнаружение неисправности в некоторой системе. В курсовой работе предусматривается диагностика программных, информационных, технических средств СУ. К этому классу задач отнесена оценка уровня морального старения средств вычислительной техники, используемой в СУ. Для решения этих задач используется ГНС.
Прогнозирование.
Прогнозирование позволяет предсказывать последствие событий, явлений, реализации принятых решений в проблемной области на основании имеющихся данных. Для прогнозирования рекомендуется использовать ГНС. Так, например, прогнозирование уровня морального старения средств вычислительной техники, используемой в СУ.
Проектирование.
Основная проблема – получение четкого описания знаний о проектируемом объекте, его свойствах. Для организации эффективного проектирования и в еще большей степени перепроектирования необходимо формировать не только сами проектные решения, и мотивы их принятия. Таким образом, в задачах этого класса тесно связаны два основных процесса: процесс вывода решения и процесс объяснения. В этих задачах используется система нечеткого вывода и гибридные нейронные сети.
Управление.
Под управлением будем понимать функцию СУ, автоматически (в САУ) и автоматизировано (в АИУС) поддерживающую определенный режим функционирования управляющей и управляемой систем. Для решения этой задачи используется СНВ и ГНС.
Поддержка решений.
Поддержка принятия решений – это совокупность процедур, обеспечивающее лицо, принимающее решения(ЛПР), необходимой информацией и рекомендациями, облегчающими процесс принятия решений в проблемной области. В этом классе задач используются СНВ и ГНС.