cho phương thức và lượng từ Q.
Vào: Một lớp C = ({A1, A2,.., Ap},{M1, M2,.., Mm}); C = {o1, o2,.., on}.
Trong đó Ai, i = 1.. p là các thuộc tính, Mj=1.. m là tập các phương thức. Q QABS QPRO .
Ra: Tập các đối tượng o C thỏa điều kiện (o.Mi=fzpvalue).
Phương pháp: Xây dựng lân cận mức k cho thuộc tính và điều kiện mờ
phương thức. Tiếp đến, chọn hàm kết nhập ĐSGT cho các thuộc tính mà phương thức tác động lên và tìm được tập các đối tượng trả về của câu truy vấn là sự đối sánh giữa lân cận mức k của điều kiện mờ và phương thức. Tiếp đến, xét lượng từ ngôn ngữ trong câu truy vấn, nếu là lượng từ tương đối thì xây dựng các khoảng phân hoạch dựa trên tập đối tượng tìm được và kiểm tra lương từ của câu truy vấn thuộc khoảng nào, nếu là lượng từ tuyệt đối thì kiểm tra tập đối tượng tìm được thỏa mãn hay không.
Định lý 3.1. Thuật toán SASN và SMSN luôn dừng và đúng đắn.
Độ phức tạp tính toán của thuật toán SASN là O(n*p), và thuật toán
Hai thuật toán SALQ và SMLQ có độ phức tạp thuật toán tương ứng là
O(n*p) và O(n*p*m).
3.4 Ví dụ. Xét mô hình CSDL HĐT được cho như sau:
Sau đây là một số thể hiện của lớp PhongHoc và lớp SinhVien, để đơn giản bảng dữ liệu chỉ giới hạn gồm những thuộc tính.
Truy vấn 3.1: Xét truy vấn“Cho biết những sinh viên có tuổi khả năng trẻ” Bước (1) - (20): Do điều kiện mờ khả năng trẻ = 2 nên chỉ cần xây dựng các khoảng tương tự mức k = 2. Chọn độ đo tính mờ và xác định các khoảng tương tự mức k = 2 cho thuộc tính tuoi ở lớp SinhVien: Dtuoi=[0, 100], các phần tử sinh là {0, trẻ, W, già, 1}, tập các gia tử là {ít, khả năng, hơn, rất}, FDtuoi =Htuoi(trẻ) Htuoi(già). Chọn fm(trẻ) = 0.4, fm(già) = 0.6, µ(khả năng) = 0.25, µ(ít) = 0.2, µ(hơn) = 0.15 và µ(rất) = 0.4. Phân hoạch đoạn [0, 100] thành các khoảng tương tự mức 2 và lân cận mức 2 của các lớp tương tự
Bước (21) - (28): Xác định lân cận mức 2 của tuổi khả năng trẻ của lớp SinhVien. Ta có tuổi khả năng trẻ S(khả năng trẻ) nên lân cận mức 2 là
2
tuoi
FRN (khả năng trẻ) = [24, 28).
Bước (29)-(32): Vậy các đối tượng thỏa mãn là {Id4, Id5}.
Truy vấn 3.2: Xét truy vấn “Cho biết ít nhất 2 phòng học có diện tích lớn và có những sinh viên tuổi trẻ tham gia học trong phòng đó”.
Dựa vào truy vấn 3.1, kết quả của các đối tượng thỏa mãn điều kiện của truy vấn là iD2. PhongHoc dienTich SinhVien tenSV tuoi chieuCao canNang sucKhoe() n n sv
Hình 3.1. Mối quan hệ giữa lớp SinhVien và PhongHoc
SinhVien
iDSV tenSV tuoi chieuCao canNang sucKhoe() Id1 An trẻ 1.85 71
Id2 Bình trẻ 1.7 nặng Id3 Hà 20 thấp 52 Id4 Hương 24 cao 72 Id5 Nhân 25 1.8 nặng Id6 Thủy lớn 1.9 85 Bảng 3.1(b) Các thể hiện lớp SinhVien PhongHoc DPH dienTich sv iD1 30m2 {Id1,Id2,Id3,Id4} iD2 lớn {Id1,Id3,Id5,Id6} Bảng 3.1(a) Các thể hiện lớpPhongHoc
Lượng từ “ít nhất 2” là lượng từ tuyệt đối và đơn điệu tăng, nên ta có
A A
ít nhat 2(| esult |) ít nhat 2(| 2 |) 0
f r f , vì vậy kết quả của truy vấn không có đối tượng nào thỏa mãn resultQ = .
KẾT LUẬN
Luận án tập trung nghiên cứu mô hình CSDL HĐT mờ dựa trên ngữ nghĩa định lượng của ĐSGT và một số thao tác dữ liệu trên mô hình này. Cụ thể luận án đã đạt được một số kết quả:
1. Xem miền trị của thuộc tính mờ mà các giá trị trong miền trị tồn tại thứ tự tuyến tính là một ĐSGT tuyến tính đầy đủ, xây dựng các phân hoạch dựa vào độ dài của giá trị trong miền trị, từ đó đề xuất định nghĩa về quan hệ đối sánh như: bằng nhau mức k, tương đương mức k. (adsbygoogle = window.adsbygoogle || []).push({});
2. Dựa trên độ đo xấp xỉ ngữ nghĩa của hai dữ liệu mờ, luận án đưa ra khái niệm phụ thuộc hàm mờ trong một lớp và chứng minh tính đúng đắn của hệ luật suy dẫn. Phụ thuộc dữ liệu mờ và các vấn đề liên quan giữa các dạng phụ thuộc dữ liệu để giải quyết chuẩn hóa dữ liệu và phát hiện tri thức từ dữ liệu.
3. Dựa trên lân cận mức phân hoạch, luận án đã đưa ra các phép toán đại số đối tượng mờ.
4. Xây dựng ngôn ngữ thao tác dữ liệu mờ, cụ thể là câu truy vấn HĐT mờ. 5. Đưa lượng từ ngôn ngữ vào trong câu truy vấn mờ và phụ thuộc hàm mờ làm cho việc thao tác dữ liệu và phát hiện các phụ thuộc dữ liệu gần gũi với thực tế hơn.
Những vấn đề đặt ra từ kết quả nghiên cứu của luận án:
- Nghiên cứu các dạng chuẩn đối tượng mờ.
- Để đánh giá định lượng trong những nghiên cứu tiếp theo sẽ cài đặt thực nghiệm trên nền hệ quản trị CSDL HĐT như Objectivity, O2,….
DANH MỤC CÔNG TRÌNH CỦA TÁC GIẢ
1. Đoàn Văn Ban, Trương Công Tuấn, Đoàn Văn Thắng (2011). Câu trả lời gần đúng cho truy vấn NULL trên mô hình cơ sở dữ liệu hướng đối tượng mờ thiếu thông tin, Tạp chí Tin học và Điều khiển học, Tập 27, Số 4, 329-340.
2. Đoàn Văn Ban, Trương Công Tuấn, Đoàn Văn Thắng (2013). Các phụ thuộc đối tượng mờ dựa trên xấp xỉ ngữ nghĩa theo cách tiếp cận đại số gia tử, Tạp chí Tin học và Điều khiển học, Tập 29, Số 1, 66-78.
3. Doan Van Ban, Truong Cong Tuan, Doan Van Thang (2012), Querying data with fuzzy information in object-oriented databases based on hedge algebraic semantics, Pro.of the 4th Confon Knowledge and Systems Engineering, Danang-Vietnam, IEEE Computer Society Press, 39-45. 4. Đoàn Văn Thắng (2010), Truy vấn dữ liệu với thông tin mờ và không chắc chắn trong cơ sở dữ liệu hướng đối tượng, Tạp chí Khoa học và Công nghệ, Đại học Đà Nẵng Số 39, 15-24.
5. Đoàn Văn Ban, Đoàn Văn Thắng (2010), Mô hình cơ sở dữ liệu hướng đối tượng theo hướng tiếp cận đại số gia tử, Tạp chí Khoa học và Công nghệ, Đại học Đà Nẵng, Số 41, 58-67.
6. D.V.Thang, D.V.Ban (2011), Query data with fuzzy information in object-oriented databases an approach interval values, International Journal of Computer Science and Information Security, USA, Feb 1-6. 7. Đoàn Văn Ban, Trương Công Tuấn, Đoàn Văn Thắng, Trần Minh Cảnh (2012), So sánh đối tượng trên mô hình cơ sở dữ liệu hướng đối tượng mờ, Kỷ yếu Hội thảo quốc gia “Một số vấn đề chọn lọc của công nghệ thông tin và Truyền thông”, Cần Thơ, 7-8 tháng 10 năm 2011, NXB Khoa học và Kỹ thuật, Hà Nội, 474-487.
8. Đoàn Văn Thắng (2013), Các phép toán đại số trong cơ sở dữ liệu hướng đối tượng mờ theo tiếp cận đại số gia tử, Hội nghị Quốc gia lần thứ VI về Nghiên cứu cơ bản và ứng dụng Công nghệ thông tin (FAIR), Huế, 20 – 21/6/2013. NXB Khoa học Tự nhiên và Công nghệ, Hà Nội, 62-70.