前言
模糊數據庫，是指能夠處理模糊數據的數據庫。一般的數據庫都是以二直邏輯和精確的數據工具為基礎的，不能表示許多模糊不清的事情。隨著模糊數學理論體系的建立，人們可以用數量來描述模糊事件並能進行模糊運算。這樣就可以把不完全性、不確定性、模糊性引入數據庫系統中，從而形成模糊數據庫。模糊數據庫研究主要有兩方面，首先是如何在數據庫中存放模糊數據；其次是定義各種運算建立模糊數據上的函數。模糊數的表示主要有模糊區間數、模糊中心數、模糊集合數和隸屬函數等。
自從1965年美國加州大學伯克利分校的LoftiZadeh提出了模糊邏輯以來，人類在這一領域內的研究一直沒有終止過；在數據庫領域內，模糊邏輯理論也得到了一定的應用，本文就模糊數據的輸入與判別談一下自己的認識，意在拋磚引玉。
一、模糊邏輯基本原理
U 為某些對象的集合，稱為論域，可以是連續的或離散的；u 表示U 的元素，記作U ={u}。
定義1 模糊集合（fuzzy sets） 論域U 到[0,1]區間的任一映射mF ，即mF ：U ®[0,1]，都確定U 的一個模糊子集F ；mF稱為F的隸屬函數（membership function）或隸屬度（grade of membership）。也就是說，mF 表示u屬於模糊子集F的程度或等級。在論域U中，可把模糊子集表示為元素u與其隸屬函數mF（u）的序偶集合，記為：
F ={(u,mF(u)|uÎU)}
若U 為連續，則模糊集F 可記作：
F =òUmF(u)/u
若U 為離散，則模糊集F 可記為：
F=mF（u1）/u1+mF（u2）/u2+….+mF（un）/un= åmF（ui）/ui
定義2 模糊支集、交叉點及模糊單點 如果模糊集是論域U 中所有滿足mF（u）>0的元素u 構成的集合，則稱該集合為模糊集F的支集。當u 滿足mF =10，則稱此模糊集為模糊單點。
定義3 語言變量 一個語言變量可定義為多元組（x,T(x),U,G,M）。其中，x為變量名；T(x)為x的詞集，即語言值名稱的集合；U 為論域；G 是產生語言值名稱的語法規則；M 是與各語言值含義有關的語法規則。語言變量的每個語言值對應一個定義在論域U 中的模糊數。語言變量基本詞集把模糊概念與精確值聯系起來，實現對定性概念的定量化以及定量數據的定性模糊化。 例如，某浴室鍋爐把水的溫度作為一個語言變量，其詞集T（溫度）可為：
T（溫度）＝{超高，很高，較高，適中，較低，很低，過低}
二、 數據庫中存放模糊數據的方法
1、 數據模型的選擇
近年應用較多的數據庫模型主要有關系數據模型、面向對象模型、對象-關系數據模型。
模糊數據庫要求存儲的數據具有抽象度高、數據類型復雜、面向對象操作的特點，特別針對模糊識別功能的實現還必須具即時的隸屬函數。
關系數據模型具有結構統一、面向記錄、有限數據類型、不能清晰表示和有效處理復雜對象的缺點，難以滿足模糊數據庫的需求。
面向對象數據庫管理系統（OODBMS）是從對象觀點出發，移向數據庫管理思維，以面向對象的程序設計語言為基礎的持久化的程序設計語言，目前實行的是ODMG-93標准，適合於具有復雜數據要求的工程、圖形、多媒體等領域，是目前比較先進的一種數據模型理念。但是它在查詢、事物管理和並發方面較差，而且用戶端的參與不好，同時由於其屬於新生事物，尚不成熟，因此各大數據庫廠家對其的支持較差，可謂“曲高和寡”。因此也不是最好的選擇。
對象-關系數據庫管理系統（ORDBMS）是從關系數據庫觀點出發，移向對象思維，以關系數據庫和SQL為基礎的擴展關系模型，具擴展復雜數據類型和允許用戶自定義函數（SQL或C語言）功能。具面向對象特性，受通用性強的SQL3（SQL99）標准支持。ORDBMS既滿足了傳統關系型數據庫用戶的要求，同時又具有復雜數據需要的應用，具強大查詢語言功能，同時也有很多大的數據庫廠商支持。是建立模糊數據庫的最佳選擇。
