传统的关系数据库一般采用关系模型作为其信息数据的组织方式，而关系模型是以布尔逻辑和精确的数据工具为基础的，它不能够直接表示更不能够处理模糊的、具有不确定性的数据信息，因此，研究基于模糊逻辑的模糊查询将给数据库系统带来新的活力和广泛的应用前景。　　 现有的主流关系数据库系统可以通过一些处理手段和算法将信息尽可能真实、无损和准确的在模糊性和精确性之间转换。本文主要讨论的是在数据库平台上，模糊信息怎样转换为数值数据，从而使得数据查询具有模糊化特性以满足人们对查询功能的扩展需求。本文的主要工作是在分析模糊集合理论与模糊查询技术的基础上，基于词计算理论对关系数据库模糊查询技术进行研究，并逐步给出了单个条件模糊查询、复合条件模糊查询和加权模糊查询等的解决方案。其中，在处理简单模糊查询时，给出了一个新引入的类正态分布隶属函数模型和反模糊化计算方法，通过理论分析、数学证明以及实验结果得出了新函数模型与经典模型各自的优缺点及适用条件;其次，在模糊查询中引入权重，科学地反映了用户的个人偏好和倾向性，并鉴于权重本身的模糊性，提出区间权重概念，并给出了一种区间权重计算方法;最后，基于上述方法，设计实现了一个.NET平台下的模糊查询实例，表明了所提方法、算法的有效性和可行性。　　 词计算是当前智能信息处理方法中主流的研究方向之一。词计算以基于感知的信息为处理对象，以词而非数值作为计算对象，尽可能准确地去模仿人脑的思维过程。基于词计算的模糊查询技术在国内相关的研究还比较少，成熟的数据库产品中大部分也还没有完整的支持该功能，但是该技术因更加贴近日常生活，在表述一些查询条件时也更加科学、合理和有效，具有广阔的发展前景。