- Mở rộng miền trị thuộc tính
R H LD H 1 0,9 0,
COUNTRY AP VN Australia (A) 1 0 0
Philippines (P) 0 1 0 0 Venezuela (V) 0 0 1 0 Nigeria (N) 0 0 0 1
Bài giảng “Cơ sở dữ liệu nâng cao” | nvdinh@vnua.edu.vn 141
Bảng 7.6. Quan hệtương tự trên miền INF
INF E NG S A I NI Excellent (E) 1 0,8 0,1 0,1 0 0 Normally good (NG) 0,8 1 0,1 0,1 0 0 Satisfactory (S) 0,1 0,1 1 0,75 0 0 Adequate (A) 0,1 0,1 0,75 1 0 0 Inadequate (I) 0 0 0 0 1 0,6 No infrastructure (NI) 0 0 0 0 0,6 1
Bảng 7.7. Quan hệtương tự trên miền IND
IND VH F M L P LI Very high (VH) 1 0,25 0,25 0 0 0 Fair (F) 0,25 1 0,81 0 0 0 Moderate (M) 0,25 0,81 1 0 0 0 Low (L) 0 0 0 1 0,75 0,75 Poor (P) 0 0 0 0,75 1 0,81 Litle (LI) 0 0 0 0,75 0,81 1
Giả sửlược đồ quan hệ có xác định một phụ thuộc hàm mờ INF0,6 IND (có nghĩa là:
cơ sở hạ tầng của một quốc gia “ít- nhiều” xác định mức độ công nghiệp hóa của quốc gia đó). Hãy kiểm tra xem những bộ nào có thểđược chèn vào quan hệ, những bộ nào phá vỡ phụ thuộc hàm mờ đã cho. Trình bày quan hệ cuối cùng với các bộ thỏa phụ thuộc hàm mờ INF0,6 IND.
Giải: ta lần lượt chèn các bộ vào r, sau mỗi lần chèn, tính độ gần nhau cho mỗi cặp bộ theo định nghĩa 7.1 và kiểm tra r có thỏa phụ thuộc hàm mờtheo định nghĩa 7.3. Nếu quá trình chèn thêm một bộ mà phá vỡ FFD thì loại bộđó khỏi r.
Bước 1. Chèn bộ t1 vào quan hệr, vì r chỉ có 1 bộ nên luôn thỏa FFD đã cho, ta có:
r COUNTRY INF IND
t1 {Australia} {normally good, excellent} {very high}
Bước 2. Chèn bộ t2 = <{philippines}, {adequate}, {fair, moderate}> vào quan hệr:
r COUNTRY INF IND
t1 {Australia} {normally good, excellent} {very high} t2 {Philippines} {adequate} {fair, moderate}
Tính mức độ gần nhau của 2 bộ t1 và t2 với thuộc tính INF và IND:
C(INF[t1, t2]) = 0,1 và C(IND[t1, t2]) = 0,25 C(IND[t1, t2]) > min {0,6, C(INF[t1, t2])} vậy r thỏa phụ thuộc hàm INF0,6 IND
Bước 3. Chèn bộ t3 = <{venezuela}, {adaquate, satisfactory}, {fair}> vào quan hệr:
Bảng 7.8. Quan hệr sau bước 3
r COUNTRY INF IND
t1 {Australia} {normally good, excellent} {very high} t2 {Philippines} {adequate} {fair, moderate} t3 {Venezuela} {adaquate, satisfactory} {fair}
Bài giảng “Cơ sở dữ liệu nâng cao” | nvdinh@vnua.edu.vn 142
Tính mức độ gần nhau của các cặp bộ [t1, t3] và [t2, t3] với thuộc tính INF và IND: C(INF[t1, t3]) = 0,1 và C(IND[t1, t3]) = 0,25 C(IND[t1, t3]) > min {0,6, C(INF[t1, t3])} C(INF[t2, t3]) = 0,75 và C(IND[t2, t3]) = 0,81 C(IND[t2, t3]) > min {0.6, C(INF[t2, t3])} vậy việc chèn thêm t3 không phá vỡ phụ thuộc hàm mờ INF0,6 IND, quan hệ r lúc này có 3 bộnhư bảng 7.8.
Bước 4. Chèn bộ t4 = <{Nigeria}, {satisfactory}, {poor}> vào quan hệr:
Bảng 7.9. Quan hệr sau bước 4
r COUNTRY INF IND
t1 {Australia} {normally good, excellent} {very high} t2 {Philippines} {adequate} {fair, moderate} t3 {Venezuela} {adaquate, satisfactory} {fair}
t4 {Nigeria} {satisfactory} {poor}
Tính mức độ gần nhau của cặp bộ [t2, t4 ] với thuộc tính INF và với IND:
C(INF[t2, t4]) = 0,75 và C(IND[t2, t4]) = 0 C(IND[t2, t4]) < min {0,6, C(INF[t2, t4])}, như vậy việc chèn thêm bộ t4 vào đã phá vỡ phụ thuộc hàm mờ INF0,6 IND, vậy bộ t4 không thể chèn vào r (Bảng 7.9) và quan hệrsau bước 4 vẫn chỉ gồm 3 bộnhư bảng 7.8.
Bước 5. Chèn bộ t5 = <{Nigeria}, {no infrastructure}, {poor}> vào quan hệr:
Bảng 7.10. Quan hệr sau bước 5
r COUNTRY INF IND
t1 {Australia} {normally good, excellent} {very high} t2 {Philippines} {adequate} {fair, moderate} t3 {Venezuela} {adaquate, satisfactory} {fair}
t5 {Nigeria} {no infrastructure} {poor}
Tính mức độ gần nhau của các cặp bộ [t1, t5 ], [t2, t5] và [t3, t5] với thuộc tính INF và với thuộc tính IND:
C(INF[t1, t5]) = 0 và C(IND[t1, t5]) = 0 C(IND[t1, t5]) > min {0,6, C(INF[t1, t5])}, C(INF[t2, t5]) = 0 và C(IND[t2, t5]) = 0 C(IND[t2, t5]) > min {0,6, C(INF[t2, t5])}, C(INF[t3, t5]) = 0 và C(IND[t3, t5]) = 0 C(IND[t2, t5]) > min {0,6, C(INF[t3, t5])}. Vậy việc thêm bộ t5 vào quan hệ r không vi phạm phụ thuộc hàm mờ INF0,6 IND. Vậy sau 5 bước chèn các bộ vào r, ta nhận được quan hệ r thỏa phụ thuộc hàm INF0,6 IND như trong bảng 7.10.
6.6. KHÓA MỜVÀ BAO ĐÓNG MỜTRÊN CƠ SỞ DỮ LIỆU MỜ
6.6.1. Khóa mờ
Giống như CSDL kinh điển, các dạng chuẩn mờđược dựa trên khái niệm phụ thuộc hàm mờ và các khóa mờ.
Bài giảng “Cơ sở dữ liệu nâng cao” | nvdinh@vnua.edu.vn 143 Siêu khóa: Là vế trái của một phụ thuộc hàm đặc biệt XU, trong đó U là tập tất cả các thuộc tính. Như vậy có thể hiểu là, một tập con X các thuộc tính của U là một siêu khóa, nếu như mọi thuộc tính của U được xác định bởi những thuộc tính trong X. Vậy tập thuộc tính X là siêu khóa nếu X xác định U.
Khóa (hay khóa dự tuyển): Là một siêu khóa K, mà không có tập con nào của K có thể xác định U.
Trong mô hình CSDL quan hệkinh điển, những giá trị đồng nhất trên khóa K sẽ kéo theo những giá trịđồng nhất trên U. Còn trong mô hình CSDL quan hệ mờ, khái niệm đồng nhất trên một tập thuộc tính sẽ được thay thế bởi khái niệm tương đương ngữnghĩa, hay sự gần nhau của các bộ trên một tập thuộc tính. Vậy nếu K là một khóa mờ trong CSDL quan hệ mờ thì sự gần nhau của các bộ trên K sẽ kéo theo sự gần nhau của các bộ trên U. Khi các phụ thuộc hàm mờ được gắn với độ mạnh ngữ nghĩa thì khóa trong quan hệ mờcũng được gắn với độ mạnh ngữ nghĩa nào đó.
Ta phát biểu định nghĩa về khóa mờnhư sau:
Định nghĩa 6.5: Cho một lược đồ quan hệ R trên tập thuộc tính U = {A1, A2,…., An}, một tập phụ thuộc hàm mờ F trên R. Tập thuộc tính K U được gọi là một khóa mờ của R với độ mạnh
nếu và chỉ nếu thỏa mãn hai điều kiện sau: - K
U F+
- K
U không là phụ thuộc hàm mờ một phần.
Ởđây = min {i | i = 1, 2,…, n}, với i là những độ mạnh của các FFD được sử dụng để suy diễn ra FFD: K U, và 0 < i < 1.
Nếu K chỉ thỏa mãn điều kiện 1. thì K là siêu khóa.
Thí dụ 7.7. Cho lược đồ quan hệ R = {A, B, C, D}, và tập phụ thuộc hàm mờ: F = {A0,7 B, A0,9 CD}. Hãy tìm khóa mờ của R.
Ta có: A 0,7 B, do đó A 0,7 AB (1), mặt khác ta lại có A0,9 CD (2) F
Áp dụng quy tắc hợp cho (1) và (2) ta có A 0,7 ABCD, và dễ thấy A 0,7 ABCD không là phụ thuộc hàm mờ một phần.
Theo định nghĩa 7.5 thì A là khóa mờ của lược đồ quan hệ R với độ mạnh 0,7.