This paper describes and analyzes the whole variety of forms of fuzziness in data and knowledge bases. All kinds of data that is imprecise, vague, uncertain, incomplete etc. have been researched and compared. It is shown that fuzzy knowledge is represented through fuzzy production rules, which contain fuzzy data in the antecedent and parts.
1. Zadeh L.A. Fuzzy Sets // Information and Control, Vol.8, 1965. – P. 338-353. 2. Popat D. Classification of Fuzzy Data in Database Management System / Popat, D., Sherda, H., Taniar, D. // Proceedings of 8th International KES Conference, Wellington, New Zealand, 2004. - P. 691-697. 3. Blanco I.J. About the Use of Ontologies for Fuzzy Knowledge Representation / Blanco, I.J., Marin, N., Martinez-Cruz, C., Vila, M.A. // Proceedings of the Joint 4th Conference of the European Society for Fuzzy Logic and Technology, Barcelona, Spain, 2005. – P. 106-111. 4. Гнатчук Є.Г. Моделювання нечіткого логічного висновку процесу діагностування комп’ютерних засобів // Вісник Вінницького політехнічного інституту. – Вінниця: ВНТУ. – 2005. - №6(63). – С. 220-224. 5. Ma Z.M. A Literature Overview of Fuzzy Database Models / Ma, Z.M., Yan, L. // J. Inf. Sci. Eng. №24, 2008. – P. 189-202. 6. Кравець П. Системи прийняття рішень з нечіткою логікою / П. Кравець, Р. Киркало // Вісник Національного університету “Львівська політехніка”. – Львів. – 2009. - №650. – С. 116-123. 7. Motro A. Uncertainty Management in Information Systems: From Needs to Solutions / Motro, A., Smets, P. – Springer, 1997. – 464 p. 8. Parsons S. Current Approaches to Handling Imperfect Information in Data and Knowledge Bases // Knowledge and Data Engineering IEEE, Vol.8, №3, 1996. - P. 483-488. 9. Sugeno M. Fuzzy Identification of Systems and It’s Applications to Modeling and Control / Sugeno, M., Takagi, T. // IEEE Trans. On Systems, Man, and Cybernetics №15, 1985. – P. 116-132. 10. Ishibuchi H. Pattern Classification with Linguistic Rules / Ishibuchi, H., Nojima, Y. // Fuzzy Sets and Their Extensions: Representation, Aggregation and Models Studies in Fuzziness and Soft Computing, Vol. 220, 2008. – P. 377-395.