Автоматизация процесса проектирования систем баз данных промышленных предприятий тема диссертации и автореферата по ВАК РФ 05.13.06, кандидат технических наук Шэнь Янь

• Шэнь Янь
• кандидат технических наук
• 2009

Оглавление диссертации кандидат технических наук Шэнь Янь

ВВЕДЕНИЕ.

1. МЕТОДЫ И СРЕДСТВА ПРОЕКТИРОВАНИЯ ФАКТОГРАФИЧЕСКИХ БАЗ ДАННЫХ.

1.1 Анализ методов и средств проектирования баз данных.

1.2 Анализ особенностей интеллектуальных систем проектирования баз данных.

1.3 Разработка методики проектирования баз данных.

Выводы по главе 1.

2. РАЗРАБОТКА МЕТОДОВ КЛАСТЕРИЗАЦИИ ЭЛЕМЕНТОВ КОНЦЕПТУАЛЬНОЙ МОДЕЛИ ПРЕДМЕТНОЙ ОБЛАСТИ.

2.1 Анализ методов классификации, используемых при проектировании автоматизированных систем обработки данных.

2.2 Метод нечеткой классификации элементов концептуальной модели предметной области.

2.2.1 Разработка методов расчета меры сходства объектов классификации.

2.2.2 Определение функций принадлежности элементов кластерам.

2.2.3 Определение функций качества разбиения.

2.2.4 Алгоритмы автоматической классификации.

2.3 Методы оценки результатов концептуальной кластеризации.

Выводы по главе 2.

3. РАЗРАБОТКА ПРИНЦИПОВ ПОСТРОЕНИЯ И АРХИТЕКТУРЫ ЭКСПЕРТНОЙ СИСТЕМЫ

ДЛЯ ПРОЕКТИРОВАНИЯ БАЗ ДАННЫХ.

3.1 База знаний экспертной системы.,

3.2 Архитектура экспертной системы и ее наполнение.

3.3 Система преобразования концептуальной модели в логическую модель реляционного типа,.

Выводы по главе 3.

4. РАЗРАБОТКА МАКЕТА ЭКСПЕРТНОЙ СИСТЕМЫ ДЛЯ ПРОЕКТИРОВАНИЯ

БАЗ ДАННЫХ.

4.1. Модули экспертной системы для проектирования баз данных.

4.1.1 Интерфейс с пользователем системы и экспертом.

4.1.2 Механизм концептуального моделирования.

4.1.3 Система физической реализации баз данных.

4.2 Разработка архитектуры комплекса программ анализа элементов моделей данных.

4.3 Разработка методики использования экспертной системы для проектирования баз данных.

4.4 Результат экспериментальных исследований экспертной системы.

Выводы по главе 4.

Введение диссертации (часть автореферата) на тему «Автоматизация процесса проектирования систем баз данных промышленных предприятий»

Широкомасштабное создание и внедрение в промышленности и на транспорте автоматизированных систем обработки данных (АСОД) (на основе использования средств вычислительной техники) является неотъемлемой чертой развития современного механизма управления сложным народнохозяйственным комплексом. Большие объемы и сложность потоков оперативной и статистической информации при планировании, учете и контроле функционирования производства и на транспорте предполагают использование интегрированных банков данных (БнД), в том числе в распределенных информационных вычислительных сетях (РИВС), а также методов и средств автоматизации решения этих задач.

Дальнейшее развитие автоматизированных систем управления (АСУ) и АСОД различного назначения, повышение требований к средствам взаимодействия конечных пользователей с информационными системами привели к созданию новой информационной технологии, основанной на концепции использования методов и средств искусственного интеллекта, таких, как экспертные системы (ЭС), системы поддержки принятия решений, автоматизированные обучающие системы. Новая информационная технология предполагает приближение конечных пользователей- непрограммистов к эффективному использованию баз данных (БД) посредством интеллектуального интерфейса как составной части интеллектуальных БнД или без знаний (БЗ).

В работах разных авторов широко освещаются результаты развития теории проектирования БД, формализованные алгоритмы построения структур БД различных типов, их реализация в виде последовательности этапов проектирования и методы оценки эксплуатационных характеристик систем БД, в том числе описывается и машинные методы автоматизации отдельных стадий проектирования.

В разработках систем управления базами данных (СУБД) в настоящее время достигнуты значительные успехи, как для использования на больших и супер-ЭВМ, так и для мини- и микроЭВМ. Наибольшее распространение получили СУБД реляционного типа в силу ряда очевидных преимуществ, как с точки зрения реализации БД, так и с точки зрения работы с ними. Поэтому в диссертационной работе в качестве базовой принята СУБД реляционного типа.

Большое значение для качественного использования данных, хранимых в БД, имеет адекватность представления предметной области (ПО) - множество отображаемых типов объектов (в дальнейшем - просто объектов) и взаимосвязей между ними некоторой области реального мира в структуре СУБД на этапе ее проектирования с учетом возможности обновления при изменении ПО.

В то же время процесс проектирования БД на этапе анализа ПО и концептуального моделирования остается эмпирическим и ручным. Окончательный выбор концептуального схемы (КС), отражающей семантику ПО и разрабатываемой на основе понятий выбранной модели данных (МД), зависит от умения и опыта разработчика БД различать и отбирать явления ПО, объекты и связи, (количества которых достигается сотен и тысяч), формировать и описывать классы объектов, устанавливать ассоциации между ними и т.д., а также оценивать качество проекта. Процесс проектирования БД на этих этапах слабо поддается формализации и автоматизированная поддержка этих видов работ невелика. Отсутствует законченная методика проектирования и реализации, охватывающая весь жизненный цикл системы обработки данных. Не решены многие задачи, связанные с проектированием распределенных БД и РИВС, в частности, сбором исходных данных, проектированием информационной базы и распределением БД по узлам сети. Для решения этих задач имеющейся объективной неформализованной информации оказывается явно недостаточно. В этих условиях привлекается дополнительная субъективная информация — индивидуальные суждения высококвалифицированных специалистов (экспертов), выдвигаются новые требования к методам и средствам ее обработки и к обоснованности решений, принимаемых с ее использованием. Следовательно, существует возможность решения данных задач с помощью современных средств и методов искусственного интеллекта. Существующие же методики проектирования БД не предусматривают на сегодняшний день использование и развитие для данных целей инструментальных средств искусственного интеллекта. Таким образом, разработка методов и средств интеллектуализации процесса проектирования БД является актуальной задачей.

В настоящее время технические средства (ТС) ЭВМ позволяют хранить большие объемы информации в БД, в частности, в БД фактографического типа, в которых объектами хранения и поиска являются непосредственные факты об объектах ПО. Определение оптимального множества сущностей, связей и их свойств, отображающих ПО, и представление их в виде сложных КС, обеспечивающих формальное описание ПО, является целью первой фазы процесса проектирования БД — концептуального моделирования. Этот этап наиболее тяжело поддается формализации с точки зрения автоматизации решения интеллектуальной задачи анализа и синтеза множества структур КС большой размерности.

Объектом исследования являются системы баз данных фактографического типа со сложной структурой и большой размерностью, хранящие информацию об объекте управления организационно-административного типа.

В настоящее время использование средств автоматизированного проектирования БД на различных уровнях (концептуальном, логическом и физическом) позволяет уменьшить стоимость и время разработки информационных систем, количество рутинных операций, обосновать количественно принимаемые решения. Однако, существующие системы, применяемые на этапе концептуального проектирования представляют собой большей частью программные комплексы, транслирующие входные спецификации требований потенциальных пользователей БД в формализмы заданной МД, или системы документирования и интеграции этих требований в КС, используемую на последующих этапах проектирования БД. В диссертационной работе предлагается методы и средства концептуального проектирования БД с использованием интеллектуальных средств, в частности, экспертной системы анализа и синтеза КС ПО, основанных на знаниях эксперта ПО. При этом предполагается использование концептуальной кластеризации как процесса выведения на новый уровень методов численной таксономии и автоматизированного структурирования элементов концептуальных моделей, объективного оценивания оптимальности получаемой КС. БЗ данной ЭС включает правила проектирования БД, представляющие собой как эвристики, полученные от экспертов на этапе выделения знаний, так и формализованные знания, получаемые из методики проектирования БД, предоставленные алгоритмами обработки информации. К знаниям о ПО относятся сведения, получаемые при формулировании и сборе требований пользователей разрабатываемой БД и представляемые в КС. Концептуальная кластеризация, как метод искусственного интеллекта, является ключевой процедурой для осмысления и классификации новых объектов на этапе выделения и представления знаний о ПО машинными методами. При этом проводится построение концептуальной иерархии для описания набора объектов и дальнейшего применения механизмов абстракций (агрегации, обобщения, категоризации, идентификации, специализации, индуктивного вывода концептуального формирования и т.д.) с целью поиска отношений между детальным и целостным, таких, как: часть-целое, общность свойств сущностей, общие правила и исключения и т.д. Концептуальная кластеризация опирается на формализованные методы классификации, в частности -кластерный анализ - множество вычислительных процедур, которые формируют либо выявляют иерархии (разбиения), лежащие в основе совокупностей данных, описывают, распознают или идентифицируют структуры, лежащие в основе скоплений точек- объектов классификации. Это обуславливает включение в структуру ЭС для проектирования БД подсистемы, реализующей формализованные методы анализа данных, и позволяет классифицировать подобную ЭС как гибридную. В целом, ее назначение - анализ и синтез структур данных. Анализ ПО и требований пользователей заключается в их распознавании, группировании в классы и идентификации выделенных категорий. Под синтезом понимается представление выявленных структур данных понятиями некоторой внутренней модели, а так же ее оптимизация. С точки зрения пригодности представления данных о ПО на концептуальном уровне в качестве внутренней модели для представления КС предпочтение было отдано модели «сущность-категория-связь» (ECR-модель), как наиболее простой, естественной, наглядной, легко интерпретируемой, удобной для обработки и пригодной для представления разнообразных знаний о ПО в отличие от реляционной, сетевой, бинарной и многих других МД, используемых уже на этапе логического проектирования БД.

Этап логического проектирования БД наиболее формализуем с точки зрения используемой МД и типа СУБД и заключается в отображении формализмов КС в структуры конкретной МД с учетом ограничений целостности. Однако, использование подхода ЭС для данных целей позволило бы расширить возможности автоматизированных систем проектирования и поддержать процесс логического и физического проектирования в среде выбранной СУБД механизмом вывода рекомендаций и заключений, управляющим этим процессом во взаимодействии с разработчиком БД, с использованием критериев повышения производительности информационных систем и минимизации необходимого объема физической памяти ЭВМ для ведения БД. В существующих методиках проектирования БД отсутствуют подобные средства, управляющие процессом корректного перехода с этапа концептуального проектирования на этапы логического и физического проектирования.

Отсутствие методики проектирования БД с использованием интеллектуальных средств, методов и средств интеллектуализации концептуального проектирования БД ставит задачу их разработки и исследования.

Целью диссертационной работы является разработка методов и средств автоматизации и интеллектуализации процесса проектирования фактографических баз данных организационно-административного типа на концептуальном уровне.

Для достижения поставленной цели в диссертационной работе решены следующие основные задачи:

1. Разработана методика проектирования баз данных, основанная на использовании инструментальных средств искусственного интеллекта.

2. Разработаны методы и алгоритмы анализа и синтеза элементов концептуальных моделей предметных областей.

3. Разработаны архитектура и принципы построения экспертной системы для проектирования баз данных.

4. Разработан макет экспертной системы для проектирования баз данных.

При решении указанных основных задач рассмотрен ряд частных задач:

-определена структура процесса проектирования БД с использованием интеллектуальных средств;

-разработана концептуальная расширенная модель для представления КС типа «сущность-категория-связь»;

-проведен анализ существующих методов классификации, обоснована необходимость разработки методов нечеткой классификации элементов концептуальных моделей;

-разработаны методы расчета метрики для проведения кластеризации, функций принадлежности объектов кластерам и целевых функционалов качества разбиения;

-разработана система алгоритмов для проведения структурирования множества элементов КС;

-предложены методы оценки результатов концептуальной кластеризации;

-разработан способ преобразования ECR-модели в реляционную модель МД;

-разработан комплекс программ анализа элементов концептуальных моделей ПО;

-разработаны основные подсистемы ЭС для проектирования БД в рамках концепции быстрого прототипирования;

-разработана методика использования ЭС для проектирования БД.

Методы исследования. Результаты диссертационной работы получены на основе комплексного использования теории нечетких множеств, теории отношений, методов кластерного анализа, теории распознавания образов, математического программирования, методов и положений теории интеллектуальных систем, теории информации.

Диссертация состоит из четырех глав, в которых проводится решение поставленных задач.

В первой главе проведен подробный анализ методов и алгоритмов проектирования БД на концептуальном, логическом и физическом уровнях. Проанализированы особенности интеллектуальных систем проектирования БД и БЗ и процесса разработки информационных систем с их использованием. Предложена методика и схема процесса проектирования систем рассматриваемой методике предусмотрено использование базы знаний о процессе проектирования БД как составной части экспертной системы. Предполагаемая методика не зависит от конкретной разновидности концептуальной модели ПО и модели данных, используемой на этапах логического и физического проектирования. В последующих главах типы данных моделей конкретизируются с целью практической разработки макета ЭС для проектирования БД.

Проведенный анализ методов и алгоритмов процесса проектирования БД и методов представления знаний позволил выделить основные задачи, возникающие при проектировании систем БД с использованием интеллектуальных средств, обосновать и формализовать предлагаемую методику проектирования БД.

Во второй главе решаются задачи анализа методов классификации, используемых при проектировании фактографических БД, и, на основании результатов анализа, делается вывод о необходимости разработки метода нечеткой классификации элементов концептуальных моделей ПО. В ходе разработки данного метода решены задачи выбора меры сходства объектов, функций принадлежности, целевого функционала качества КС.

Предлагается система методов структурирования элементов концептуальных моделей и их представления на плоскости. Приводятся характеристики работы алгоритмов концептуальной кластеризации для ЕС ЭВМ и персональных ЭВМ. Алгоритмы классификации дополняются методами оценки ее результатов с целью генерации рекомендаций и метазнаний о концептуальной модели ПО, представляемых для анализа разработчику БД в процессе диалога. целью генерации рекомендаций и метазнаний о концептуальной модели ПО, представляемых для анализа разработчику БД в процессе диалога.

В третьей главе разрабатываются принципы построения и архитектура ЭС для проектирования БД и ее составных частей. Приводится описание разработанной концептуальной расширенной модели «сущность-категория-связь», и обосновывается возможность на ее основе наиболее полного представления семантики ПО в структуре разрабатываемой БД.

Описывается способ преобразования расширенной ECR-модели в логическую модель реляционного типа.

В четвертой главе диссертации решается задача построения комплекса программ анализа концептуальных моделей ПО, рассматривается его структура, состав и назначение модулей, реализующих предложенные в главе 2 алгоритмы на языках PL/1 и PASCAL.

Разработаны архитектура и конкретные реализации подсистем ЭС для проектирования БД в среде Turbo PROLOG для персональных ЭВМ. Приведены основные характеристики работы комплекса программ и макета ЭС, результаты разработки систем БД «Расчетный отдел» в ЗАО «СГРОЙСГАНДДРТ ПЛЮС».

Предлагаемая методика использования макета ЭС для проектирования БД определяет последовательность практических действий по его эффективному применению.

Научная новизна. В диссертационной работе получены новые научные результаты: разработана методика проектирования БД с использованием интеллектуальных средств;

- разработаны методы и алгоритмы нечеткой классификации и структурирования элементов концептуальных моделей ПО; предложены мера сходства, функции принадлежности элементов концептуальных моделей классам, целевой функционал качества разбиения;

- разработана архитектура ЭС и ее наполнение для проектирования баз данных. и реализована в среде ПРОЛОГа расширенная модель "сущность-категория-связь".

Практическая ценность:

- разработан комплекс программ анализа элементов концептуальных моделей ПО;

- разработан макет ЭС для проектирования БД; предложена методика использования макета ЭС, основанная на опыте его практического применения;

- проведена разработка ряда прикладных систем БД с использованием макета экспертной системы.

Реализация результатов в промышленности. Разработанный макет ЭС для проектирования БД и комплекс программ анализа элементов концептуальных моделей ПО внедрен на предприятии ЗАО «СЛРОЙСТАНДАРГ ПЛЮС» и использовался для проектирования ряда систем БД.

Макет ЭС внедрен в учебный процесс на кафедре "Автоматизированные системы управления" Московского автомобильно-дорожного института (Государственного технического университета) и используется для проведения лабораторных работ по курсам "Базы данных" и "Проектирование интеллектуальных систем".

Внедрение результатов диссертационной работы позволило сократить сроки выполнения работ по проектированию БД в среднем на 14 %, снизить трудоемкость на 10 - 20 % за счет повышения уровня автоматизации и интеллектуализации проектирования БД на концептуальном и логическом уровнях, обеспечить сокращение численности коллектива разработчиков, повысить качество описания информационных требований пользователей

Апробация работы. Основные научные положения и результаты диссертации докладывались и обсуждались на заседаниях кафедры «Автоматизированные системы управления» МАДИ (ГТУ) в 2005-2009 годах, на научно-методических конференциях МАДИ (ГТУ) (Москва, 2006-2009 годы), а также на международной конференции «Информационные и телекоммуникационные технологии в интеллектуальных системах».

На защиту выносятся следующие результаты:

1.Методика проектирования БД с использованием интеллектуальных средств.

2.Методы и алгоритмы анализа и синтеза элементов концептуальных моделей.

3.Архитектура экспертной системы для проектирования БД.

4.Реализация в среде Пролог основных компонентов экспертной системы.

Публикации. Материалы диссертации отражены в 5(пять) печатных работах.

Объем работы. Диссертация состоит из введения, четырех глав, заключения, списка литературы и приложения.

Заключение диссертации по теме «Автоматизация и управление технологическими процессами и производствами (по отраслям)», Шэнь Янь

Выводы

1. Разработан комплекс программ анализа элементов концептуальных моделей ПО и макет ЭС для проектирования БД, реализующие теоретические результаты диссертационной работы.

2. Предложена методика использования макета ЭС, основанная на опыте его практического применения.

3. Проведено описание процесса разработки с использованием макета экспертной системы прикладной БД "Расчетный отдел" на ЗАО «СТРОИСТАНДАРТ ПЛЮС», что позволило сократить сроки выполнения работ по созданию БД на 14 %, уменьшить количество файлов на 12, снизить трудоемкость создания структуры базы данных за счет интеллектуализации процесса проектирования, повышения качества описания информационных требований пользователей, автоматизации процессов проектирования базы данных на концептуальном и логическом уровнях.

Заключение

В итоге выполнения диссертации лично автором получены следующие основные результаты, определяющие научную новизну работы и ее практическую значимость:

1. Разработана методика проектирования БД с использованием инструментальных средств искусственного интеллекта.

2. Разработаны методы и алгоритмы нечеткой классификации и структурирования элементов концептуальных моделей ПО. Предложены мера сходства, функции принадлежности элементов концептуальных моделей классам, целевой функционал качества разбиения, методы оценки результатов концептуальной кластеризации как средства концептуального моделирования.

3. Разработана архитектура ЭС и ее наполнение для проектирования баз данных, предназначенной для интеллектуальной поддержки процесса проектирования БД на всех стадиях согласно предложенной методике.

4. Разработана и реализована в среде ПРОЛОГа расширенная модель "сущиость-категория-связь" для представления концептуальной модели предметной области.

5. Разработан способ преобразования ECR-модели в реляционную модель данных, пригодную для реализации в среде реляционных СУБД.

6. Разработаны комплексы программ анализа элементов концептуальных моделей ПО.

7. Разработан макет ЭС для проектирования БД.

8. Предложена методика использования макета ЭС, основанная на опыте его практического применения.

9. Проведена разработка прикладных систем БД с использованием макета ЭС в ЗАО «ОТОЙСТАНДДРТ ПЛЮС». Внедрение результатов диссертационной работы в промышленности позволило сократить сроки выполнения работ по проектированию БД в среднем на 14%, снизить трудоемкость на 10-20 % за счет повышения уровня автоматизации и интеллектуализации проектирования БД на концептуальном и логическом уровнях, обеспечить сокращение численности коллектива разработчиков, повысить качество описаний информационных требований пользователей.

Макет ЭС внедрен в учебный процесс на кафедре "Автоматизированные системы управления" Московского автомобильно-дорожного института по специальности 22.02 и используется для проведения лабораторных работ по курсам "Базы данных", "Проектирование интеллектуальных систем".

Список литературы диссертационного исследования кандидат технических наук Шэнь Янь, 2009 год

1. Акатнова ЛА., Апексахин СБ., Коншина EJK., Погорнев В.М. Комплекс программ анализа элементов моделей данных //Автоматизированные системы обработки информации и управления автотранспортного комплекса: Сб. науч. тр./МАДИ.-1989.-С.71-75.

2. Апраушева Н.Н Предварительное обнаружение идеальных кластеров и оценивание их числа // Сообщения по прикладной математике / ВЦ АН CCCP.-1987.-20c.

3. Атре Ш. Структурный подход к организации баз данных:

4. Пер. С. Франц.-М.:Финансы и статистика , 1983.-317с.

5. Будихин А.В. Методы и средства концептуального и логического проектирования систем баз данных: Автореф.дис.канд.техн.наук.-М., 1984.-16с. ДСП.

6. Будихин А.В.,Кокушкин В А., Погорнев В.М. Методы структурирования баз данных и баз знаний // XV межрегиональный семинар «Эргономика и эффективность систем «человек-техника»».тез. докл.-Вильнюс, 1989.с. 72-73.

7. Будихин АВ., Кудрявцева MP., Погорнев В.М. Макет экспертной системы построения баз данных //IX Всесоюзный симпозиум «Эффективность, качество и надежность систем «человек-техника»» :тез. докл.-Воронеж, 1990.-е. 114.

8. Будихин АВ., Николаев А.Б., Погорнев В.М. Метод нечеткой классификации элементов моделей данных // Приборы и системы управления.-1991 .-№9.-с.9-10.

9. Будихин А.В., Николаев А.Б., Погорнев В.М. Реализация экспертной системы построения баз данных // Интегрированные автоматизированные системы на автомобильном транспорте и в дорожном строительстве: сб. науч.тр./МАДИ.- 1990.-е. 19-26.

10. Будихин АВ., Погорнев В.М. Метод автоматизированного структурирования данных и знаний для проектирования экспертных систем //Всесоюзная , научная конференция

11. Методология создания и опыт эксплуатации АСУ в гражданской авиации»:Тез. Докл.-Рига.- 1989.-е. 181.

12. Будихин АВ., Погорнев В.М. Методы автоматической классификации в проектировании систем обработки данных // Автоматизированные системы обработки информации и управления автотранспортного комплекса: Сб.науч.тр./МАДИ1989.-С.76-81.

13. Будихин АВ., Погорнев В.М. Использование методов размытой классификации при проектировании баз знаний автоматизированных обучающих систем//Методы и системы технической диагностики: Межвузовский науч.сб.-Саратов,1989.-вып.10.-с.77-78.

14. Будихин АВ. Погорнев В.М. Основные концепции построения экспертных систем проектирования баз знаний//ХУ1 межрегиональный семинар «Эргономика и эффективность систем «человек-техника»»:Тез.докл.-Вильнюс.-1990.-с.119-120.

15. Будихин А.В., Погорнев В.М. Экспертная система концептуального проектирования баз данных/УВсесоюзное совещание по экспертным системам: Тез.докл.-Суздаль.-1990.-с.120.

16. Геловани ВА., Безруков Д.И., Братков В.Б. и др. Интерактивная разработка информационных систем// Техническая кибернетика.-1986,№2.,с. 48-71.

17. Деметрович Я.,Кнут Е., РадоП. Автоматизированные методы спецификации: Пер.с англ.-М.:Мир, 1989.-115 с.

18. Дидэ Е. Методы анализа данных: Пер. с англ.- М.:Финансы и статистика, 1985.-357 с.

19. Доорс Д.,Рейблейн А. , Вадера С. ПРОЛОГ язык программирования будущего: пер.с англ.- Финансы и статистика,1990.- 142 с.

20. Дюран Б., Оделл П. Кластерный анализ: Пер. с англ.-М.: Статистика, 1977.- 128 с.

21. Жамбю М. Иерархический кластер-анализ и соответствия: Пер. с франц.-М.:Финансы и статистика , 1988.-342 с.

22. Заде JI. Понятие лингвистической переменной и его применение к принятию приближенного решения: Пер. с англ.-М.: Мир, 1976.- 165 с.

23. Зайцев НГ. Технология обработки данных в языковой форме.-Киев: Техника, 1989.- 183 с.

24. Захарова Е.Л. Об одном методе классификации в ЭС//изв. ЛЭТИ.1987.-№392.-с. 55-58.

25. Калиниченко Л А. Методы и средства интеграции неоднородных баз данных.- М.: Наука, 1983. 424 с.

26. Классификация и кластер: Пер.с англ./Под. ред. В.Рэйвин.-М.:Мир, 1980.-381 с.

27. Кудрявцева MP. Методы и средства концептуального проектирования систем баз данных с использованием расширенной модели «сугцность-категория-связь»: Автореф. дис.канд. техн. Наук.- М.,1988.- 18 с.ДСП

28. Кузин Б.С., Ройтман А.И., Фоминых И.Б., Хахалин Г К. Интеллектуализация ЭВМ.-М.: Высшая школа, 1989.- 159 с.

29. Ларичев О.И., Мечитов А.Н. и др. Выявление экспертных знаний.- М.: Наука, 1985.- 128 с.

30. Леонг-Хонг Б., Плагман Б. Системы словарей-справочников данных.- М.: Финансы и статистика, 1986.- 311 с.

31. Лорьер Ж.-Л. Системы искусственного интеллекта: Пер. с франц.- М.: Мир, 1991.- 568 с.

32. Малпас Дж. Реляционный язык ПРОЛОГ и его применение: Пер. с англ.- М.: Наука, 1990.- 464 с.

33. Манд ель ИХ. Кластерный анализ.- М.: Финансы и статистика,1988.- 176 с.

34. Методы и средства концептуального проектирования баз данных САПР РИВС: Отчет о НИР (промежуточ.)/МАДИ; руководитель А.Б.Николаев.- 0121189;№1120287; инв. № 11044.- м.,1989.-242 с.

35. Минский М. Фреймы для представления знаний: Пер. с англ.-М.: Энергия, 1979.- 151 с.

36. Мичи Д., Джонстон Р. Компьютер-творец: Пер. с англ.- М.: Мир, 1987.-255с.

37. Мишени А.И., Петров ЕА. Концептуальное моделирование при разработке баз данных в ЭС.- М.: Радио и связь, 1983.- 67 с.

38. Нечеткие множества и теория возможностей. Последние достижения: Пер. с англ./Под. Ред. P.P. Ягера.- М.: Радио и связь, 1986.- 408 с.

39. Погорнев В.М. Концептуальная кластеризация элементов моделей данных// XVII межрегиональный семинар «Эргономика и эффективность систем «Челове-техника»»:Тез. докл. — Игналина, 1991.- с. 106.

40. Погорнев В.М. Методы оценки результатов концептуальной кластеризации// Интегрированные автоматизированные системы на автомобильном транспорте и в дорожном строительстве: Сб. науч. тр./МАДИ.-1990.- с. 13-18.

41. Полищук Ю.М., Хон В.Б. Теория автоматизированных банков информации.- М.: Высшая школа, 1989.- 184 с.

42. Попов Э.В. Экспертные системы.- М.: Наука, 1987.- 288 с.

43. Поспелов Г.С. Искусственный интеллект- основа новой информационной технологии. М.: Наука, 1988.- 28 с.

44. Поспелов Д.А. Ситуационное управление, теория и практика. М.: Наука, 1986.- 288 с.

45. Построение экспертных систем: Пер. с англ./Под ред. ФХейеса-Рота, Д. Уотермана, Д. Лената.- М.: Мир, 1987.- 411 с.

46. Представление и использование знаний: Пер.с яп./под ред. ХУэно, М.Исидзука.- М.: Мир, 1989,- 220 с.

47. Приобретение знаний: Пер. с яп./ под ред. С.Осуги, Ю. Саэки.-М.: Мир, 1990.-304 с.

48. Системы управления базами данных и знаний: Справ. Изд./А.Н.Наумов, А.М. Вендров, В .К.Иванов и др.: Под ред. АН.Наумова.- М.: Финансы и статистика, 1991.- 348 с.

49. Смит Дж., Смит Д. Принципы концептуального проектирования баз данных/ Требования и спецификации в разработке программ.-М.: Мир, 1984.-345 с.

50. Смородинский АВ., Ривкин М.Н. Базы данных: тенденции развития//Мир ПК.- 1990.-№5.-с. 30-36.

51. Проектирование интегрированных баз данных. Стогний АА., Вольфенгаген В.Э., Кушнарев В А. и др.-Киев: Техника, 1987.- 143 с.

52. Тиори Т., Фрай Дж. Проектирование структур баз данных: Пер.с англ.:2-х кн.-М.: Мир, 1985.-Кн. I.-287 с.

53. Хаббард Дж. Автоматизированное проектирование баз данных: Пер.с англ.-М.: Мир, 1984.- 296 с.

54. Цаленко МШ. Моделирование семантики в базах данных.- М.: Наука, 1989.-288с.

55. Цикритзис С., Лоховски Ф. Модели данных: Пер. с англ.-М.: Финансы и статистика, 1985.-344 с.

56. Шенк PJC. Обработка концептуальной информации: Пер. с англ.-М.: Энергия, 1980.-361 с.

57. Шимон У., Фридман Л. Методология экспертной оценки проектных решений для систем с базами данных: Пер. с англ.- М.: Финансы и статистика, 1986.- 280 с.

58. Буч Г., Рамбо Дж., Якобсон А. Язык UML. Руководство пользователя. — СПб.: Питер, 2004. 432 с.

59. Вендров A.M. CASE технологии. Проектирование программного обеспечения экономических информационных систем. М.: Финансы и статистика, 2000. — 544 с.

60. Вендров A.M. CASE технологии. Современные методы и средства проектирования информационных систем. М.: Финансы и статистика, 2000. - 176 с.

61. Вьейра P. SQL Server 2000. Программирование в 2 ч. / Р. Вьейра: Часть I; Пер. с англ.; Под ред. С. М. Молявко. М.: БИНОМ. Лаборатория знаний, 2004. - 735 с.

62. Вьейра P. SQL Server 2000. Программирование в 2 ч./ Р. Вьейра: Часть II; Пер. с англ.; Под ред. С. М. Молявко. М.: БИНОМ. Лаборатория знаний, 2004. - 807 с.

63. Гарсиа-Молина Г., Ульман Дж., Уидом Дж. Системы баз данных. Полный курс / Пер. с англ. М.: Издательский дом "Вильяме", 2003. - 1088 с.

64. Грейвс М. Проектирование баз данных на основе XML. Пер. с англ. М. : Издательский дом "Вильяме", 2002. - 640 с.

65. Дейт К.Д. Введение в системы баз данных. / Пер. с англ. Гордиенко ЮГ. 7-е изд. - М: Вильяме, 2002. - 1072 с.

66. Диго С.М. Базы данных: проектирование и использование: Учебник. — М.: Финансы и статистика, 2005. 592 с.

67. Карпова Т. Базы данных: модели, разработка, реализация. — СПб.: Питер, 2001.-304 с.

68. Коннолли Т., Бегг К, Страчан А. Базы данных: проектирование, реализация и сопровождение: Теория и практика. 3-е изд. / Пер. с англ. — М.: Издательский дом "Вильяме", 2003. 436 с.

69. Крёнке Д. Теория и практика построения баз данных. 9-е изд. -СПб.: Питер, 2004. 864 с.

70. Кузнецов С.Д. Основы баз данных. — М.: Изд-во "Интернет-университет информационных технологий ИНТУИГ.ру", 2005. - 488 с.

71. Лавров ИА, Максимова Л.Л. Задачи по теории множеств, математической логике и теории алгоритмов. — 5-е изд., исправл. -М.: ФИЗМАТЛИГ, 2004. 256 с.

72. Лешек А. М. Анализ требований и проектирование систем. Разработка информационных систем с использованием UML. : Пер. с англ. М. : Издательский дом "Вильяме", 2002. - 432 с.

73. Маклаков СВ. BPwin и ERwin. CASE-средства разработки информационных систем. -М.: Диалог-МИФИ, 2001. 256 с.

74. Малыхина М.П. Базы данных: основы, проектирование, использование. СПб.: БВХ-Петербург, 2004. - 512 с.

75. Марков А.С., Лисовский КЮ. Базы данных. Введение в теорию и методологию. -М.: Финансы и статистика, 2004. 512 с.

76. Мюллер Р. Базы данных и UML. Проектирование. М.: Лори, 2002.-432 с.

77. Нейбург Э., Максимчук Р. Проектирование баз данных с помощью UML. -М.: Издательский дом "Вильяме", 2002. 288 с.

78. Нейбург Э. Д., Максимчук Р. А. Проектирование баз данных с помощью UML. / Пер. с англ. — М. : Издательский дом "Вильяме", 2002.-288 с.

79. Райордан Р. Основы реляционных баз данных. М.: Изд-во "Русская Редакция", 2001. - 384 с.

80. Роб П., Коронел К. Системы баз данных: проектирование, реализация и управление. 5-е изд., перераб. и доп.: Пер. с англ. — СПб.: БВХ-Петербург, 2004. - 1040 с.

81. Ролланд Ф. Основные концепции баз данных. М.: Издательский дом "Вильяме", 2002. - 256 с.

82. Хансен Г, Хансен Дж. Базы данных. Разработка и управление. — М.: Бином, 2001.-704 с.

83. Харрингтон Д. Проектирование объектно-ориентированных баз данных. Пер. с англ. -М.: ДМК Пресс, 2001. 272 с.

84. Шень Янь. Определение целевого пространства информационных массивов / Данилкин СБ. // Журн. «Вопросы современной науки и практики. Университет им. В.И. Вернадского», №11(25) -Тамбов:2009. С.27-34.

85. Шэнь Янь. Построение информационных моделей для организации имитационных исследований / Сыроид А Б. // Журн. «Вопросы современной науки и практики. Университет им. ВИВернадского», №11(25) -Тамбов:2009. С.35-42.

86. Шэнь Янь. Архитектура экспертной системы для проектирования баз данных / Круглов A.M. // Методы прикладной информатики в автомобильно-дорожном комплексе. М.,МАДИ(ГТУ):2007.-С.35-40.

87. Шэнь Янь. Методы нечеткой кластеризации для управления рисками на предприятии / Будихин С.А., Горячев А.С. // Теория и практика информационных технологий. М., МАДИ (ГТУ): 2006. - С. 57-66

88. Шэнь Янь. Влияние сложности учебной информации на воспринимаемость и забываемость / Рогова О.Б., Домбровский ДА. // Инновационные технологии в промышленности, строительстве и образовании. М., МАДИ (ГТУ): 2007. - С. 53-58.

89. Adeli Н. Expert System for Structural Design.- London: Chapman&Hall,1988.-330 p.

90. Advanced information System Engineering: Second Nordic conference CASE'90 proceedings, Stockholm, May 8-10 1990.- Berlin: Springer, 1990.-392 p.

91. Bacilhon F., Thonos O., Tsichritzis D. Advances in Database Technology.-Berlin: Springer, 1990.-452 p.

92. Backer E. Cluster analysis by optimal decomposition of induced fuzzy sets.- Delft: Delfse Univer. Press, 1978.- 235 p.

93. Bagchi Т., Chandhri V. Interactive Relational Database design.-N.Y.: Springer, 1989.-186 p.

94. Balasubramanian A. Parthesarathy G. Chaterrji B. Knowledge approach to cluster algorithm selections// Pattern Recognitions Letters.-1990.- v.l 1,№10.- p.651-662.

95. Bandler W., Kohout L. The four modes of inference in fuzzy expert systems// Cybernetics and Systems Researches.- 1984.- v.2,№ 10.-p.581-586.

96. Batini C., Lenzerini M, Navathe S. A Comparative Analysis of Methodologies for Database Schema Integration// AOM Computing Serveys.- 1986.- v.l8,№ 4.- p. 323-364.

97. Bezdek J. Cluster validity with Fuzzy Sets// Journal of Cybernetics.-1973.- v.3,№3.-p. 58-73.

98. Bezdek J Pattern recognitions with fussy objective function algorithms.- N.Y.: Plenum Press, 1981.-256 p.

99. Bezdek J., Dunn J. Optimal Fuzzy Partitions: A Heuristic for Estimating the Parameters on a Mixture of Normal Distributions// IEEE Transactions on Systems, Man and Cybernetics, 1975.- v.5,№8.- p.836-838.

100. Casanova M., Amaral de Sa J Mapping Uninterpreted Schemas into Entity-Relationship Diagrams: Two Applications to Conceptual Shema Design// IBM J.Res. Development.- 1984.-v.28,№l.- p.82-94.

101. Ceri S. Methodology and tools for database design.- Amsterdam: NORTH-HOLLAND, 1983.- 255 p.

102. Chen P. The Entity-Relationship Approach: The use of ER concept in knowledge representation.- Washington: IEEE CS Press, 1985.- 327 p.

103. Chen P. The Entity-Relationship Model- toward a unified view of Data// ACM Transactions on Software Engineering.- 1988.- v. 14,№2.- p. 242-252.

104. Choobinen J., Mannino M., Nunamaker J., Konsynski B. An Expert Database Design Systems based on Analysis of Forms// IEEE Transactions on Software Engineering.- 1988.- v. 14, №2.- p. 242-252.

105. Classification and related methods of data analysis/ ed. Book H.Amsterdam: NORTH-HOLLAND, 1988.- 749 p.

106. Cluster models and other topics/ Ed. Akashi Y., Chin S., Hoiuchi H., Ikeda K.- Singapore: World Sci., 1986.- 510 p.

107. Codd E. Relational Database: A Practical Foundation for Productivity// Communications of the ACM.-1982.- v.25,№2.- p. 107117.

108. Computer-Aided Database Design: The DAT AID Project-Amsterdam: NORTH-HOLLAND.- 1985.- 221 p.

109. Dubes R., Jain A. Validity studies in clustering methodologies// Pattern Recognition.- 1979.- v.l 1,№2.- p.235-254.

110. Dubois D., Prade H. Fuzzy sets and systems N.Y.: Academic Press, 1980.- 393 p.

111. Elmasri R., Navathe S. Fundamentals of database systems-Redwood City (Ca.): The Benjaming/ Cummings Publishing, 1989.802 p.

112. Elmasri R., Weeldreues J., Hevner A. The catecory concept: An extension to the entity-relationship model// Data & Knowledge Engineering.- 1985,- v.l, №1.- p. 75-116.

113. Entity-relationship approach: A bridge to the user: Proceedings of the Eight International Conference on Entity-relationship approach, Rome, 16-18 Nov. 1988/ Ed. Batini C.- Amsterdam: NORTH-HOLLAND, 1989.-410 p.

114. Entity-relationship approach: Proceedings of the 6th International Conference on Entity-relationship approach, N.Y., 9-11 Nov. 1987/Ed. Lochovski H.- Amsterdam:- NORTH-HOLLAND, 1988.- 549 p.

115. Entity-relationship approach: Ten years of experience in information modeling: Proceedings of the 5th International Conference on Entity-relationship approach, Pijon, 17-19 Nov. 1986/ Ed. Spaccarietra S.- Amsterdam: NORTH-HOLLAND, 1987.-557 p.

116. Entity-relationship approach to database design and querying: Proceedings of the Eight International Conference on Entity-relationship approach, Toronto, 18-20 Oct. 1989/ Ed. Lochovski H.- Amsterdam: NORTH-HOLLAND, 1989.- 435 p.

117. Feldman P., Miller D. Entity model clustering: Structuring a data model by abstraction// Computer Journal.- 1986.-v.29, №4.- p. 348-360.

118. Fisher D. Knowledge Acquisition Via Incremental Conceptual Clustering// Machine Learning.- 1987.-v.2,№l-2.- p. 139-172.

119. Fuzzy logic in knowledge based systems, decision and control/ Ed. Cupta M., Yamakawa Т.- Amsterdam: NORTH-HOLLAND, 1988.-410 p.

120. Gane C., Sarson T. Structured systems analysis.- London: Prentice Hall.-1979.- 250 p.

121. Gardarin G., Valduriez P. Relational database and knowledge bases.-N.Y.: Addison-Wesley, 1989.-450 p.

122. Graham I., Janes P. Expert systems: knowledge uncertainty and decision.- N.Y.: Chapman and Hall, 1988.- 363 p.

123. Greenwell M. Knowledge Engineering for Expert Systems.-Chichester: Horwood, 1988,- 184 p.

124. Han J., Li Z. DERDL A knowledge-based Data language for a Deductive Entity-Relationship Model// Computing and Information/ Ed. Janicki R., Koczkoday W.- Amsterdam: NORTH-HOLLAND.-1989.-p.317-325.

125. Hirota K., Pedryoz W. Characterization of fuzzy clustering algorithms in terms of entropy probabilistic sets// Pattern Recognition Letters.- 1984.-v.10, №2,- p. 213-216.

126. Houtsman M., Apers P. A semantic Data Model for Integration of Data and Knowledge//Computing and Information/ Ed. Janicki R., Koczkoday W.-Amsterdam: NORTH-HOLLAND.- 1989.- p.327-333.

127. Hughes J. Database Technology.- N.Y.: Prentice Hall, 1988.- 273 p.

128. Implementation of a Computer for a Semantic Data model: Experiences with TAXIS/ Ed. Nixon В., Chang L., Borgida A//SIGMOND Record.-1987.- v.6,№3.-p,118-131.

129. Information Systems Design methodologies: a comparative revive.-Amsterdam: NORTH-HOLLAND, 1982.-520 p.

130. Information Systems Methodologies.- London: Willey.-1983.-128 p.

131. Ismail M. Software clustering: Algorithms and Validity of solutions// Fuzzy computing: Theory, hardware and applications/ Ed. Gupta M., Yamakawa Т.- Elsevier: NORHT-HOLLAND, 1988.-499 p.

132. Keller J., Gray M., Givens J. A fuzzy K-Nearest Neibor Algorithm// IEEE Transactions on Systems, Man and Cybernetics.-1985.-v.15, №4.-p. 580-584.

133. Kersberg L. Expert Database systems.- Moulo Park (Ca.): The Benjaming/Cummings Publ., 1986.-701 p.

134. Kersten M. A conceptual modeling expert systems/ Entity-Relationship Approach/ Ed.Spaccarietra S.- Amsterdam: NORTH-HOLLAND, 1987, p. 35-48.

135. Kidd A.L. Knowledge acquisition for expert systems.-N.Y.: Plenum press, 1987.-295 p.

136. Knowledge representation and organization in Machine Learning/ Ed. Morik K.- Berlin: Springer, 1989.-319 p.

137. Lebowitz M. Experiments with Incremental Concept Formation: UNIMEM/ZMachine Learning.-1987.-v.2, №1-2. pl03-138.

138. Lee R., Slagle J., Blum H. A triangulation Method for the Sequential Mapping of the Points from N-Space to Two Space// IEEE Transactions on Computers.-1977.-v26, № 3.- p. 288-292.

139. Machine Learning: An Artificial Intelligence Approach /Ed. Michalski R, CarbonellJ., Mitchel Т.- Berlin: Springer, 1984,- 572 p.

140. Michalski R., Stepp R. Automated Construction Classification: Conceptual Clustering Versus Numerical Taxonomy// IEEE Transactions on Pattern Analysis and Machine Intelligence.- 1983.-v.5, №4.-p.396-409.

141. Murdoch C., Lohuson L. Intelligent data handling.- London: Chapman & Hall, 1990.-177 p.

142. Olle T.W. Informational systems design methodology: A future analysis/ Proc. Of the IFIP WG 8.1 working conf.- Amsterdam:NORTH-HOLLAND, 1983.- 266 p.

143. Paredaens J. Datases.- London: Academic Press, 1987.- 261 p.

144. Parsaye K., Chignell M., Knishafian S., Wong H. Intelligent Database.-N.Y.: Wiley, 1989.- 479 p.

145. Ralescu A. A Note on Rule Representation in Expert Systems// Information Sciences.- 1986.- v.38, №2.- p. 193-203.

146. Rahami S. Knowledge based computer systems.- Berlin: Springer, .1990,- 546 p.

147. Recent Development in clustering and data analysis/ ed. Diday E.Boston: Academic press, 1988.-452 p.

148. Ross D., Schaum K. Structured systems analysis for requirements definition// IEEE Transactions on Software Engineering.- 1977.-v.5,№l.-p.28-56.

149. Roubens M. Pattern classification problems and fuzzy sets// Fuzzy sets and systems.- 1978.-v.1, №1.- p. 239-253.

150. Sammon J. A nonlinear mapping for data structure analysis//IEEE Transactions on Computers.- 1969.- v. 18, №5.-p. 409-419.

151. Shekar D., Narasimha M., Krishna G., A knowledge-based clustering Scheme// Pattern recognition Letters.-1987.-v.5,№4.-p.353-359.

152. Smith J., Smith D., Principles of Database conceptual Design// Lect. Notes in Сотр. Sci.-1982.-v. 132,- p. 114-146.

153. Sockut G., Malhotra A. A Full-Screen Facility for Defining Relational and Entity-Relationship Database Schemas// Expert Systems.-1988.-v.5,№6.-p.68-78.

154. Thompson B. Evolving knowledge from data// Computer Lang.1986.-v.3,№l 1.- p.23-26.

155. Ullman J. Principles of database and knowledge-base systems .-Rockvile: Computer Science Press, 1988.- 1137 p.

156. Windham M. Cluster validity for fuzzy clustering algorithms//Fuzzy sets and systems.- 1981.-v.5,№2.- p. 177-184.

157. Wittington R. Database systems engineering.- Oxford: Clarendon Press, 1988.- 430 p.

158. Xie W., Bedrosian S. An informational measure for Fuzzy Sets// IEEE Transactions on Systems, Man and Cybernetics.- 1984.-v.14,№1.-p. 151-156.

159. Yang D., Theorey Т., Fry J. A practical approach to translating extended ER diagram into the relational model// Information sciences.1987.-v.42, №2,-p. 167-186.

160. Yasdi R. A conceptual design aid environment for expert-database systems// Data & Knowledge Engineering.- 1985.-vl,№l.- p.31-73.

161. Yin K., Solomon D. Using Turbo Prolog.- Indiana: Que corporation, 1987.- 598 p.

162. Zadeh L. Fuzzy sets//Information and Control.- 1965.-№8.- p. 338353.

163. Zadeh L. Fuzzy sets and their applications to pattern classifications and clustering analysis// Classification and clustering/ ed. Ryzin J.- N.Y.: Academic Press, 1976.- p.251-299.

164. Zhao L., Roberts S. An object-oriented Data Modeling, Implementation and Access// The Computer Journal.- 1988.-v.31, №2.-p. 116-124.

165. Zimmermann H. Fuzzy sets, decision making and expert systems.-Boston: Kluwer Academic Publishers, 1987.- 335 p.

166. Thiele D. Life cycle management using life cycle process standards. The journal of Software Engineering Australia, 2002.