BỘ GIÁO DỤC VÀ ĐÀO TẠO VIỆN HÀN LÂM KHOA HỌC VÀ CÔNG NGHỆ VIỆT NAM VIỆN CÔNG NGHỆ THÔNG TIN ĐOÀN VĂN THẮNG CƠ SỞ DỮ LIỆU HƯỚNG ĐỐI TƯỢNG VỚI THƠNG TIN NGƠN NGỮ MỜ Chun ngành: Bảo đảm tốn học cho máy tính hệ thống tính tốn Mã số: 62 46 35 01 TÓM TẮT LUẬN ÁN TIẾN SĨ TOÁN HỌC Người hướng dẫn khoa học: PGS.TS Đồn Văn Ban PGS.TS Trương Cơng Tuấn HÀ NỘI – 2014 LỜI NÓI ĐẦU Như biết, mơ hình hướng đối tượng truyền thống chứng tỏ nhiều ưu điểm vấn đề mơ hình hóa, thiết kế thực hệ thống lớn, từ phần mềm CSDL Đó nhờ mơ hình có khả biểu diễn trạng thái hành vi đối tượng phân cấp, phân loại quan hệ chúng ứng dụng thực tế Hơn nữa, mơ hình hướng đối tượng giúp tối ưu liệu tái sử dụng mã xây dựng hệ thống thông qua chế thừa kế thông tin lớp đối tượng Tuy nhiên, mơ hình hướng đối tượng truyền thống mối quan hệ trạng thái hành vi đối tượng cách chắn xác Điều khơng hồn tồn phù hợp với thực tế, thơng tin đối tượng giới thực mơ hồ, không chắn, không đầy đủ Hệ ứng dụng dựa mơ hình CSDL hướng đối tượng truyền thống không biểu diễn đối tượng ma thông tin chúng không xác định cách chắn xác Chẳng hạn, ứng dụng mơ hình CSDL truyền thống khơng thể trả lời truy vấn “tìm tất bệnh nhân trẻ có tiền sử bệnh viêm quản”; “tìm tất gói bưu kiện tích khoảng 25000 cm3”… trẻ khoảng 25000 khái niệm giá trị khơng xác Để khắc phục hạn chế vậy, nghiên cứu gần tập trung nghiên cứu mơ hình CSDL HĐT có khả biểu diễn xử lý đối tượng mà thông tin chúng khơng chắn khơng xác Trên tinh thần đó, năm qua có nhiều cơng trình nghiên cứu để giải vấn đề với hướng tiếp cận khác nhau, chẳng hạn theo tiếp cận quan hệ tương tự, tiếp cận lý thuyết khả năng, tiếp cận lý thuyết xác suất có kết [22, 24, 38, 40] Tuy nhiên, Trở ngại lớn trọng việc phát triển hệ thống CSDL HĐT (rõ) mờ chưa có mơ hình liệu chuẩn hay sở toán học thống cho việc biểu diễn xử lý liệu đối tượng mờ Cho đến nay, nghiên cứu mơ hình CSDL hướng đối tượng mờ chủ yếu tập trung vào việc mở rộng mơ hình liệu rõ có theo nhiều cách tiếp cận khác cho phép biểu diễn, thao tác liệu mờ Do đó, mơ hình CSDL HĐT mờ thống tập khái niệm chung mơ hình ODMG Có thể thấy rằng, kết nghiên cứu CSDL HĐT mờ ln xem xét với mơ hình cụ thể, kết giải cho lớp toán với tập khái niệm, tính chất đặc trưng hướng đối tượng Như vậy, việc chọn lựa mơ hình liệu để nghiên cứu vấn đề CSDL HĐT mờ quan trọng Nguyễn Cát Hồ Wechler [27, 28] đề xuất mơ hình đại số gia tử, mơ hình giá trị tập mờ thuộc tính biểu diễn nhãn ngôn ngữ Tuy nhiên, giá trị thuộc tính khơng diễn dịch hàm thành viên mà ngữ nghĩa xác định đại số gia tử miền trị thuộc tính tương ứng Nhờ ưu điểm cấu trúc đại số gia tử [4,5][18,32], đưa nghiên cứu CSDL HĐT với thông tin mờ không chắn dựa cách tiếp cận ngữ nghĩa định lượng đại số gia tử, ngữ nghĩa ngơn ngữ lượng hóa ánh xạ định lượng đại số gia tử Theo cách tiếp cận này, giá trị ngôn ngữ liệu, nhãn tập mờ biểu diễn ngữ nghĩa giá trị ngôn ngữ ưu điểm việc cho phép tìm kiếm, xác định ngữ nghĩa thơng tin khơng chắn thao tác liệu kinh điển thường dùng đảm bảo tính kiểu liệu xử lý ngữ nghĩa chúng Ngoài ra, theo cách tiếp cận ngữ nghĩa định lượng đại số gia tử, ngữ nghĩa ngôn ngữ biểu thị lân cận khoảng xác định độ đo tính mờ giá trị ngơn ngữ thuộc tính với vai trị biến ngơn ngữ Ví dụ, ngữ nghĩa giá trị ngơn ngữ cao thuộc tính “lương nhân viên” biểu thị khoảng lân cận giá trị đại diện giá trị ngôn ngữ cao thông qua ánh xạ định lượng đại số gia tử thuộc tính “lương nhân viên” Các kết luận án báo cáo thảo luận hội nghị, hội thảo khoa học: Hội thảo quốc gia “Một số vấn đề chọn lọc công nghệ thông tin truyền thông” Cần thơ 2011, Hà Nội 2012 The Fourth International Conference on Knowledge and Systems Engineering, KSE12, Da Nang - Viet Nam, 08/2012 Hội nghị khoa học FAIR Huế 2013, Thái Nguyên 2014 Chương - Tổng Quan Về Cơ Sở Dữ Liệu Hướng Đối Tượng Mờ Trong chương này, chúng tơi trình bày cách ngắn khái niệm đại số gia tử, đại số gia tử tuyến tính đầy đủ, mệnh đề, định lý liên quan làm sở nghiên cứu mơ hình CSDL hướng đối tượng với thông tin mờ không chắn 1.1 Thông tin không đầy đủ mô hình CSDL Trong hệ thống CSDL, ln quan tâm đến ba loại thơng tin khơng hồn hảo sau [1]: (1) thông tin sai lệch: loại thông tin khơng hồn hảo đơn giản Thơng tin sở liệu sai lệch khác với “thơng tin thực”; (2) thơng tin khơng xác: khơng xác biểu diễn tập giá trị có thể, giá trị thực phần tử tập đó; (3) thơng tin khơng chắn: loại thông tin với độ chắn định thông tin sai lệch khơng làm ảnh hưởng tới tính qn CSDL 1.2 Tập mờ Lý thuyết tập mờ Zadeh đề xuất năm 1965 cách mở rộng khái niệm tập cổ điển, với ý tưởng giúp biểu diễn đo ngữ nghĩa khái niệm khơng xác, mơ hồ thực tế Lý thuyết tập mờ sở toán học ứng dụng rộng rãi thực tế nói chung khoa học kỹ thuật nói riêng, đặc biệt khoa học máy tính, xây dựng hệ thống tính tốn biết phân tích, xử lý định thông minh 1.2.1 Tập mờ Trước hết xuất phát từ tập hợp kinh điển Cho U tập hợp F tập U Nếu phần tử x thuộc F, ký hiệu x  F, ngược lại x  F Như vậy, để mô tả khái niệm “thuộc” ta sử dụng hàm thuộc μF: 1 if x  F 0 if x  F  F ( x)   Rõ ràng, tập hợp kinh điển, hàm thuộc phần tử F nhận giá trị {0,1} Trong tập mờ, hàm thuộc phần tử F khơng nhận giá trị {0,1} mà nhận giá trị [0,1] Định nghĩa 1.1 [49] Cho U vũ trụ đối tượng Tập mờ F U tập cặp có thứ tự (x, μF(x)), với μF hàm từ U → [0, 1] gán cho phần tử x thuộc U giá trị μF(x) để mức độ x thuộc hàm tập mờ F Có nghĩa là: F {( x, F ( x)) | x U , F : U  [0,1]} Tập mờ biểu diễn dạng: n  (x ) F  F ( x1 ) / x1   F ( xn ) / xn   F i , với x1, , xn U hữu hạn i 1 F  E  F ( x) x xi Nếu U khơng hữu hạn Ví dụ 1.1 Xét tập U gồm người x1, x2,…, x5 tương ứng có tuổi 10, 15, 50, 55, 70 F tập hợp người “Trẻ” Khi ta xây dựng hàm thuộc sau: μTrẻ(10) = 0.95, μTrẻ(15) = 0.75, μTrẻ(50) = 0.35, μTrẻ(55) = 0.30, μTrẻ(70) = 0.05 tập mờ F  0.95 0.75 0.35 0.30 0.05     x1 x2 x3 x4 x5 Định nghĩa 1.2 [49] Tập mờ F gọi chuẩn tồn phần tử x  U cho μF(x) = Định nghĩa 1.3.[49] Tập mờ F có dạng hình thang xác định giá trị (a, b, c, d), xác định:  xa  b  a  F  x    d  x  d c   neu x  a neu a  x  b neu b  x  c neu c  x  d neu d  x Định nghĩa 1.4.[1] Cho F tập mờ tập vũ trụ U (1): Giá đỡ (Support) SF tập mờ F tập phần tử có giá trị hàm thuộc lớn Có nghĩa SF = {x  U | μF(x)> 0} (2): Lõi (Core) CF tập mờ F tập phần tử có giá trị hàm thuộc CF = {x  U | μF(x) = 1} (3): Tập mức 𝛼 tập mờ F tập phần tử có giá trị hàm thuộc ≥ 𝛼 F(𝛼) = {x  U | μF(x) ≥ 𝛼 } (4): Tập mờ mức 𝛼 tập mờ F, ký hiệu F 𝛼 tập mờ tập F(𝛼), xác định: Fα={(x,µF(x))|x∈F(α) }∪{(x,0.0)|x∉F(α) } 1.2.2 Các phép tốn tập mờ Tương tự lý thuyết tập hợp, tập mờ định nghĩa số phép toán: nhau, bao nhau, giao, hợp mở rộng định nghĩa lý thuyết tập hợp Định nghĩa 1.5 [1] Cho F F1 hai tập mờ U (1): F F1, ký hiệu F = F1, F ( x)  F ( x), x U (2): F chứa F1, ký hiệu F  F1, F ( x)  F ( x), x U (3): Hợp hai tập mờ F F1, ký hiệu F ∪ F1, tập mờ U với hàm thuộc xác định bởi: F F ( x)  Max{F ( x), F ( x)}, x U 1 (4): Giao hai tập mờ F F1, ký hiệu F ∩ F1, tập mờ U với hàm thuộc xác định bởi: F F ( x)  Min{F ( x), F ( x)}, x U 1 (5): Phần bù tập mờ F, ký hiệu F tập mờ U với hàm thuộc xác định bởi: μF(x) = 1- μF(x), ∀x ∈ U Định nghĩa 1.6 [1] Cho F F1 hai tập mờ U (1): Tổng đại số F + F1 = {( x, F F ( x)) | x U , F F ( x)  F ( x)  F ( x)  F ( x).F ( x)} 1 1 (2): Tích đại số F.F1 = {( x, F F ( x)) | x U , F F ( x)  F ( x).F ( x)} 1 1.2.3 Tổng quát hoá ba phép tốn tập mờ Ngồi ba phép toán min, max phần bù dùng thao tác tập mờ, để tổng quát định nghĩa họ tốn tử T tnorm, t-conorm N-Negation cho phép toán Định nghĩa 1.7 [1] Hàm T: [0,1] x [0,1] → [0,1] gọi t-norm thoả mãn ∀ x,y,z ∈ [0, l]: (1) T(x,y) = T(y,x) (2) T(x,y) ≤ T(x,z), ∀ y ≤ z (3) T(x,T(y,z)) = T(T(x,y),z) (4) T(x,1) = Định nghĩa 1.8 [1] Hàm S: [0,1] x [0,1] → [0,1] gọi t-conorm thoả mãn ∀ x,y,z ∈ [0, l]: (1) S(x,y) = S(y,x) (2) S(x,y) ≤ S(x,z), ∀ y ≤ z (3) S(x,S(y,z)) = S(S(x,y),z) (4) S(x,0) = Định nghĩa 1.9 [1] Hàm N: [0,1] → [0,1] gọi hàm phủ định N thoả mãn ∀x,y ∈ [0, l]: (1) N(0) = 1, N(1) = (2) N(x) ≤ N(y), ∀y ≤ x Theo định nghĩa, tập tập mờ không gian F(U, [0,1]) hàm từ U vào đoạn [0,1], không gian tương đối giàu cấu trúc tính tốn Việc xây dựng hàm thuộc tập mờ dựa ngữ nghĩa khái niệm mờ Ngược lại, lớp khái niệm mờ mơ hình hố ngữ nghĩa qua tập mờ Trên sở mối quan hệ này, L.A.Zadeh đưa khái niệm biến ngơn ngữ 1.2.4 Biến ngôn ngữ Trong [50] L.A.Zadeh viết “khi thiếu hụt tính xác bề ngồi vấn đề phức tạp cách tự nhiên tìm cách sử dụng biến ngơn ngữ, biến mà giá trị chủng số mà từ câu ngôn ngữ tự nhiên nhân tạo Động lực cho việc sử dụng từ, câu số đặc trưng ngôn ngữ từ, câu thường xác định số” Nói tóm lại, ý khái quát cho khái niệm biến ngôn ngữ Một cách hình thức biến ngơn ngữ định nghĩa sau Định nghĩa 1.10 [50] Biến ngôn ngữ năm (X, T(X), U, R, M), X tên biến, T(X) tập giá trị ngôn ngữ biến X, U không gian tham chiếu biến sở u, giá trị ngôn ngữ xem biến mờ U kết hợp với biến sở u, R qui tắc cú pháp sinh giá trị ngôn ngữ T(X), M qui tắc ngữ nghĩa gán giá trị ngôn ngữ T(X) với tập mờ U Ví dụ 1.2 [50] Cho X biến ngơn ngữ có tên AGE, biến sở u lấy theo số tuổi người có miền xác định U = [0,100] Tập giá trị ngôn ngữ T(AGE) = {old, very old, more or less young, less young, very young …} qui tắc sinh giá trị M gán ngữ nghĩa tập mờ với giá trị ngôn ngữ Chẳng hạn, giá trị nguyên thủy old, M(old) ={µ,µold(u)|u∈[0,100]}, chọn   old (u )   u  50 2 1 (1  ( ) )  u  [0,50] u  [50,100] 1.3 Đại số gia tử Cho ĐSGT tuyến tính đầy đủ AX = (X, G, H, , , ≤), Dom(X) = X miền giá trị ngơn ngữ thuộc tính ngôn ngữ X sinh tự từ tập phần tử sinh G = {1, c+, W, c, 0} việc tác động tự phép toán tập H,   hai phép tính với ngữ nghĩa cận cận tập H(x), tức x = supremum H(x) and x = infimum H(x), H(x) tập phần tử sinh từ x, quan hệ  quan hệ thứ tự tuyến tính X cảm sinh từ ngữ nghĩa ngơn ngữ Cho tập gia tử H = HH+, H+ = {h1, , hp} H- = {h1, , h-q}, với h1< < hp, h-1< < h-q, p, q >1 Ký hiệu fm: X  [0,1] độ đo tính mờ ĐSGT AX Khi ta có mệnh đề sau: Mệnh đề 1.2 [8] Độ đo tính mờ fm độ đo tính mờ gia tử (h), h  H, có tính chất sau: (1) fm(hx) = (h)fm(x), x  X (2) fm(c) + fm(c+) = (3)  qi p ,i0 fm(hi c)  fm(c), c  {c, c+} (4)  qi p ,i0 fm(hi x)  fm( x), x  X (5) { (h ) : q  i  1}   { (h ) :1  i  p}   ,trong ,  >0 + =1 Trong đại số gia tử, phần tử x  X mang dấu âm hay dương, gọi PN-dấu định nghĩa đệ quy sau: Định nghĩa 1.13 [32] (hàm PN-dấu Sgn): Sgn : X  {-1, 0, 1} hàm dấu xác định sau, h, h  H, c  {c, c+}: (1) Sgn(c) = 1, Sgn(c+) = +1 (2) Sgn(h'hx) = , h’hx = hx, cịn ngược lại ta có Sgn(h'hx) = Sgn(hx), h’hx  hx h' âm tính h (hoặc c, h = I x = c) Sgn(h'hx) = +Sgn(hx), h’hx  hx h' dương tính h (hoặc c, h = I x = c) Mệnh đề 1.1 [32] Với x  X, ta có: h  H, Sgn(hx)= +1 hx > x, Sgn(hx) = 1 hx < x Sgn(hx)= hx = x Từ tính chất tính mờ hàm PN-dấu, ánh xạ ngữ nghĩa định lượng ĐSGT định nghĩa sau: Định nghĩa 1.15 [33] Giả sử AX = (X, G, H, , , ) ĐSGT đầy đủ, tuyến tính tự do, fm(x) (h) tương ứng độ đo tính mờ ngơn ngữ gia tử h thỏa mãn tính chất mệnh đề 2.1 Khi đó, ta nói  ánh xạ cảm sinh độ đo tính mờ fm ngơn ngữ xác định sau: i i (1) (W) =  = fm(c), (c) =  - fm(c) = fm(c), (c+) =  +fm(c+) (2)  (h j x)   ( x)  Sgn(h j x){i Sgn ( j )  (hi ) fm( x)  (h j x)  (h j ) fm( x)} j  (hj x)  [1  Sgn(hj x)Sgn(hp hj x)(   )] { ,  } , j, -q jp  (3) (c) = 0, (c) =  = (c+), (c+) = 1, j, -q  j  p j  0, ta có: (hjx) = (x) + Sgn(h x){  (h ) fm( x)} j 1 j (hjx) = (x) + Sgn(h x){ j i sign ( j ) j i sign ( j ) i  (hi ) fm( x)} Khoảng mờ hai khái niệm mờ Định nghĩa 1.3 [5] Cho Pk = I ( x) : x  X k  với Xk =  x  X : x  k phân hoạch [0, 1] Ta nói u v theo mức k P k, ký hiệu u k v, I(u) I(v) thuộc khoảng Pk Nghĩa u, v  X, u k v  k  Pk: I(u)  k I(v)  k Lân cận mức k Ta luôn giả thiết tập H- H+ chứa gia tử Xét Xk tập tất phần tử độ dài k Dựa vào khoảng mờ mức k mức k+1 tác giả [5,10] xây dựng phân hoạch miền [0,1] sau: (1) Độ tương tự mức 1: Với k = 1, khoảng mờ mức gồm I(c) I(c+) Các khoảng mờ mức khoảng I(c+) I(h-qc+) ≤ I(h-q+1c+) ≤ I(h-2c+) ≤ I(h-1c+) ≤ A(c+) ≤ I(h1c+) ≤ I(h2c+) ≤ ≤ I(hp-1c+) ≤ I(hpc+) Khi đó, ta xây dựng phân hoạch độ tương tự mức gồm lớp tương đương sau: S(0) =I(hpc); S(c)=I(c) \ [I(h-qc)  I(hpc)]; S(W) = I(h-qc)  I(h-qc+); S(c+) = I(c+) \ [I(h-qc+)  I(hpc+)] S(1) = I(hpc+) Ta thấy, trừ hai điểm đầu mút A(0) = A(1) = 1, giá trị đại diện A(c), A(W) A(c+) điểm tương ứng lớp tương tự mức S(c), S(W) S(c+) (2) Độ tương tự mức 2: với k = 2, khoảng mờ mức 2, chẳng hạn, khoảng mờ mức 2, chẳng hạn, I(hic+) = (A(hic+), A(hic+)] với hai khoảng mờ kề I(hi-1c+) I(hi+1c+), lớp tương đương dạng sau: S(hic+) = I(hic+) \ [I(hphic+)  I(h-qhic+)], S(hic+) = I(h-qhi-1c+)  I(h-qhic+) S(hic+) = I(hphic+)  I(hphic+), với i cho -q  i  p i  Bằng cách tương tự vậy, xây dựng phân hoạch lớp tương tự mức k Tuy nhiên, thực tế ứng dụng theo [6] k  4, tức có tối đa gia tử tác động liên tiếp lên phần tử nguyên thủy c c+ Các giá trị rõ giá trị mờ gọi có độ tương tự mức k giá trị đại diện chúng nằm lớp tương tự mức k Lân cận mức k khái niệm mờ: Giả sử phân hoạch lớp tương tự mức k khoảng S(x1), S(x2), …, S(xm) Khi đó, giá trị ngơn ngữ fu thuộc lớp tương tự, chẳng hạn S(xi) gọi lân cận mức k fu ký hiệu FNk(fu) 1.4 Mơ hình CSDL hướng đối tượng mờ Các nghiên cứu mở rộng mơ hình CSDL HĐT mờ dựa mơ hình CSDL HĐT truyền thống tập trung vào vấn đề sau [19][23][24][25][52]: Biểu diễn giá trị thuộc tính khơng chắn khơng xác đối tượng Biểu diễn thực thi phương thức lớp Mơ hình hóa khả áp dụng khơng chắn tính chất (thuộc tính phương thức) lớp Mơ hình hóa quan hệ lớp định nghĩa mức độ thành viên không chắn đối tượng Xác định chế thừa kế không chắn đối tượng 1.4.1 Đối tượng mờ Các đối tượng dùng để đặc tả thực thể giới thực khái niệm trừu tượng Mỗi đối tượng lưu trữ hệ thống CSDL HĐT cung cấp định danh Định danh hệ thống tự động tạo gọi định danh đối tượng (OID Ngoài ra, đối tượng chứa tập định thông tin đối tượng hành vi dựa thơng tin Thơng tin đối tượng gọi thuộc tính đối tượng xác định giá trị cụ thể, giá trị giá trị rõ lý mà ta khơng xác định giá trị xác Chẳng hạn, thuộc tính tuổi đối tượng cho “khoảng 18”, giá trị ngơn ngữ “rất trẻ”… Những thơng tin khơng xác, không rõ ràng gọi thông tin mờ Như vậy, đối tượng mờ có nhiều thuộc tính có chứa thơng tin mờ (gọi thuộc tính mờ) 1.4.2 Lớp mờ Một lớp đươc xem mờ lý sau [23]: 19 Phương pháp: Xác định thuộc tính có liên quan thuộc tính chưa biết dựa ma trận quan hệ tương tự Tiếp theo xây dựng khoảng lân cận mức k cho hai thuộc tính Cuối cùng, xác định giá trị cho thuộc tính chưa định nghĩa b Đối với truy vấn phương thức, có lời giải thuật tốn sau: Thuật tốn NQMO (Null Queries for Method Objects) Vào:1 Một lớp C với m thuộc tính p phương thức; O = {o1, o2, , on}  C Trong đó: (o1, o2, , on-1).[A1, A2, , Am] on.[A1, A2, , Am-1] xác định (có nghĩa giá trị liệu tồn tại) on.am chưa định nghĩa (có nghĩa giá trị liệu bị thiếu) Ma trận độ tương tự b Ra: Trả giá trị tương tự gần cho phương thức Phương pháp: Xác định thuộc tính có liên quan thuộc tính chưa biết dựa ma trận quan hệ tương tự Tiếp theo, xây dựng khoảng lân cận mức k cho hai thuộc tính Tiếp đến, chọn hàm kết nhập ĐSGT cho phương thức Cuối cùng, xác định giá trị cho phương thức Định lý 2.2 Thuật tốn NQAO NQMO ln dừng đắn Độ phức tạp thuật tốn: Thuật tốn NQAO NQMO có độ phức tạp tính tốn O(n*m), với n số đối tượng m tập thuộc tính Trường hợp sử dụng phụ thuộc hàm để xác định thuộc tính chưa biết a Đối với truy vấn thuộc tính, lời giải thuật toán sau: Thuật toán ASAO (Approximate Semantic for Attributes Object) Vào:Một lớp C với m thuộc tính p phương thức; O = {o1, o2, , on}  C Trong đó: (o1, o2, , on-1).[A1, A2, , Am] on.[A1, A2, , Am-1] định nghĩa (có nghĩa giá trị liệu tồn tại) on.Am chưa định nghĩa (có nghĩa giá trị liệu bị thiếu) Ra: Trả giá trị tương tự gần cho phương thức Phương pháp: Chuyển giá trị thuộc tính giá trị khoảng tương ứng, kiểm tra FA-phụ thuộc Cuối cùng, dựa FA phụ thuộc để xác định giá trị gần cho thuộc tính chưa định nghĩa b Đối với truy vấn phương thức, lời giải thuật toán sau: Thuật toán ASMO (Approximate Semantic for Method Objects) Vào:Một lớp C với m thuộc tính p phương thức; O = {o1, o2, , on}  C 20 Trong đó: (o1, o2, , on-1).[A1, A2, , Am] on.[A1, A2, , Am-1] định nghĩa (có nghĩa giá trị liệu tồn tại) on.am chưa định nghĩa (có nghĩa giá trị liệu bị thiếu) Ra: Trả giá trị tương tự gần cho phương thức Phương pháp: Chuyển giá trị thuộc tính giá trị khoảng tương ứng Tiếp theo kiểm tra FA phụ thuộc dựa phụ thuộc để xác định giá trị gần cho thuộc tính chưa định nghĩa Tiếp đến, xác định FM phụ thuộc dựa phụ thuộc chọn hàm kết nhập DSGT cho phương thức Cuối cùng, xác định giá trị gần cho phương thức Định lý 2.3 Thuật tốn ASAO ASMO ln dừng đắn Độ phức tạp thuật tốn: Thuật tốn ASAO ASMO có độ phức tạp tính tốn O(n*m), với n số đối tượng m tập thuộc tính 2.6 Một số ví dụ minh họa Truy vấn 2.1: Xét câu truy vấn “Cho biết cân nặng Nhân?”, với giá trị thuộc tính canNang Nhân chưa định nghĩa Áp dụng thuật tốn ASAO để tìm câu trả lời gần CSDL ví dụ 2.3 sau: Bước 1: Chuyển giá trị thuộc tính chieuCao canNang giá trị khoảng tương ứng Áp dụng phương pháp mục 1.5.7.1 ta kết bảng 2.3(a) iDSV Id1 Id2 Id3 Id4 Id5 Id6 chieuCao canNang sucKhoe() [1.568, 1.688] [60, 64] [1.62, 1.68] [58, 62] [1.63, 1.66] [62.5, 66.5] [1.472, 1.568] [50.25, 56.25] [1.4, 1.5] ni [1.392, 1.472] [58, 60] Bảng 2.3(a) kết thực bước Bước 2: Xây dựng khoảng mờ cho thuộc tính chieuCao, canNang, đối sánh giá trị khoảng khoảng mờ Kết cho bảng 2.3(b) iDSV Id1 Id2 Id3 Id4 Id5 Id6 chieuCao canNang sucKhoe() [1.52, 1.76] [60, 70] [1.52, 1.76] [60, 70] [1.52, 1.76] [60, 70] [1.36, 1.52] [45, 60] [1.36, 1.52] [45, 60] [1.36, 1.52] [45, 60] Bảng 2.3(b) kết thực bước Bước 3: Áp dụng định nghĩa 2.3, dễ dàng nhận thấy phụ thuộc fa chieuCao  canNang thỏa mãn định nghĩa FA-phụ thuộc 21 Bước 4: Giá trị gần cho thuộc tính canNang đối tượng Nhân = [56.25, 62.5]  S(W) Ví dụ 2.7 Xét mơ hình CSDL HĐT mờ cho sau NhanVien ten viTri trinhDo luong BoPhan tienNgoaiGio QuanLy tienThuong Hình 2.6 Lược đồ lớp NhanVien Sau số thể lớp BoPhan, lớp QuanLy để đơn giản ta giới hạn bảng liệu gồm thuộc tính Bảng 2.5 Thể lớp BoPhan QuanLy Thể lớp BoPhan iDBP iD1 iD2 iD3 iD4 ten An Binh Hoa Hue BoPhan viTri t.Do ketoan CĐ ketoan CĐ vanhanh TC vanhanh TH tNGio 30 27 24 23 Thể lớp QuanLy Luong 90 80 70 65 iDQL iD1 iD2 iD3 iD4 ten Hai Minh Tam Nam QuanLy viTri t.Do Gd CĐ Qlvh TC Qlsp CĐ Qlht CH t.T 30 27 15 22 luong 90 ni 25 30 Truy vấn 2.3: Cho biết lương tất nhân viên quản lý Từ CSDL HĐT cho ví dụ 2.6 ta nhận thấy lương đối tượng Minh chưa định nghĩa (bị thiếu), cần tìm giá trị tương tự gần cho lương đối tượng Sử dụng thuật toán NQAO, bước thực sau: Bảng 2.6 Ma trận quan hệ phụ thuộc thuộc tính Bước (1) - (3): Xây dựng ma viTri trinhDo tienThuong luong trận quan hệ phụ thuộc viTri 0.7 0.7 0.7 trinhDo 0.7 0.8 0.8 thuộc tính tienThuong 0.7 0.8 0.9 luong 0.7 0.8 0.9 Bước (4) - (5): Xác định thuộc tính liên quan Từ ma trận suy thuộc tính tienThuong thuộc tính liên quan đến thuộc tính luong, quan hệ phụ thuộc 0.9 22 Bước (6) - (26): Chọn độ đo tính mờ, xây dựng mức phân hoạch thuộc tính tienThuong luong DtienThuong = [0, 30] Dluong = [0, 100] FDtienThuong FDluong có tập xâu giống với tập phần tử sinh {0, thấp, W, cao, 1} tập gia tử {ít, khá, hơn, rất} + Đối với thuộc tính tienThuong: Chọn fm(cao) = 0.35, fm(thấp) = 0.65, µ(khá) = 0.25, µ(ít) = 0.20, µ(hơn) = 0.15 µ(rất) = 0.40 Ta phân hoạch đoạn [0, 30] thành khoảng tương tự lân cận mức + Đối với thuộc tính luong: fm(cao) = 0.60, fm(thấp) = 0.40, µ(khá) = 0.15, µ(ít) = 0.25, µ(hơn) = 0.25 µ(rất) = 0.35 Ta phân hoạch đoạn [0, 100] thành khoảng tương tự mức lân cận mức lớp tương tự Bước (27) - (30): Xác định giá trị gần cho thuộc tính chưa định nghĩa Vì o1.tienThuong = 30  FN1tienThuong (1), o2.tienThuong = 27  FN1tienThuong (1), nên o1.tienThuong 1 o2.tienThuong (theo định nghĩa 2.1) Từ suy diễn tương tự, ta suy o1.luong 1 o2.luong, mà o1.luong = 90  FN1luong (1) Vậy giá trị tương tự cho thuộc tính luong đối tượng Minh  FN1luong (1) = (79, 100] Chương - Truy Vấn Dữ Liệu Trong Hệ Thống Hướng Đối Tượng Với Thông Tin Không Chắc Chắn Trong chương này, đề xuất phép toán đại số mờ cho lớp mờ đối tượng mờ làm sở cho việc xử lý truy vấn liệu mơ hình sở liệu HĐT mờ Phương pháp xác định giá trị chân lý điều kiện mờ việc định giá lượng từ câu truy vấn trình bày Ngồi ra, việc đưa lượng từ ngơn ngữ vào truy vấn xem xét Các kết nghiên cứu liên quan đến chương công bố báo (3), (4), (6), (7), (8) 3.1 Đánh giá trùng lặp đối tượng mờ Một nhiệm vụ phép toán đại số sử dụng để xác định mối quan hệ ngữ nghĩa hai đối tượng đánh giá chúng trùng lặp 3.1.1 Xấp xỉ mức k Định nghĩa 3.1 Cho lớp mờ C xác định tập thuộc tính Attr(C) = {A1, A2,…, An} (Ai thuộc tính kiểu nguyên tố với ≤ i ≤ n) tập phương thức M, o1, o2  C Ta nói o1.Ai xấp xỉ bậc k o2.Ai ký hiệu o1.Ai 23 k o2.Ai o1.Ai o2.Ai thuộc lớp tương tự FNk(fu) Trong FNk(fu) khoảng phân hoạch lớp tương tự mức k 3.1.2 Đối tượng mờ dư thừa Trong CSDL HĐT rõ, đối tượng coi dư thừa trùng hoàn toàn với đối tượng khác Nhưng mơ hình CSDL HĐT mờ, đối tượng mờ nên để đánh giá dư thừa hai đối tượng mờ oi oj, đưa định nghĩa sau Định nghĩa 3.2 Cho lớp mờ C với tập thuộc tính {A1, A2,…, An}, kiểu thuộc tính Ai (1 ≤ i ≤ m) kiểu nguyên tố Cho hai đối tượng oi oj thuộc lớp mờ C, k mức phân hoạch i  j coi thừa ∀h = 1, 2, , n, ∀oi.Ah ∃oj.Ah:oi.Ah k oj.Ah, ngược lại Dùng ký hiệu oi k oj để nói oi thừa oj theo mức phân hoạch k, k  {k1, k2, , kn} Để loại bỏ đối tượng mờ dư thừa theo mức phân hoạch k lớp C, thực kết hợp đối tượng dư thừa lại với khơng cịn tồn hai đối tượng mờ thừa Cho o1 oj hai đối tượng dư thừa mức k lớp C, để loại bỏ dư thừa thực kết hợp o1 oj thành đối tượng o Có ba loại thao tác kết hợp cho đối tượng mờ để đáp ứng yêu cầu khác thao tác đối tượng o= mergek (oi , o j ) =< mergek (oi.a1,oj.a1), mergek (oi.a2,oj.a2), , mergek (oi.an,oj.an)> o = mergek (oi , o j ) =< mergek (oi.a1,oj.a1), mergek (oi.a2,oj.a2), , mergek (oi.an,oj.an)> o= mergek (oi , o j ) = < mergek (oi.a1,oj.a1), mergek (oi.a2,oj.a2), , mergek (oi.an,oj.an)> Thuộc tính mờ đối tượng xem thuộc tính ngơn ngữ biểu diễn theo cấu trúc ĐSGT Từ đó, xây dựng phân hoạch lớp tương tự mức k cho thuộc tính ngơn ngữ Xác định giá trị ngơn ngữ thuộc lớp tương tự mức k từ xác định khoảng giá trị [a, b] tương ứng cho giá trị thuộc tính Do vậy, thao tác kết hợp giá trị thuộc tính hai đối tượng phép giao, hợp, trừ khoảng - mergek (oi.a1,oj.a1): hợp hai khoảng oi.a1 = [a, b] oj.a1 = [c, d] - mergek (oi.a1,oj.a1): giao hai khoảng oi.a1 = [a, b] oj.a1 = [c, d] 24 - mergek (oi.a1,oj.a1): trừ hai khoảng oi.a1 = [a, b] oj.a1 = [c, d] Có trường hợp: c  [a, b], d  [a, b] kết phép trừ [a, c] c  [a, b], d  [a, b] kết phép trừ [d, b] [c, d]  [a, b] kết phép trừ [a, c]  [d, b] [c, d] ∩ [a, b] =  kết phép trừ [a, b] 3.2 Các phép toán đại số mờ Dựa phép toán đại số mờ CSDL quan hệ mờ (Umano Fukami 1994; Ma Mili 2002; Hồ Cẩm Hà 2002), phép toán đại số mờ mơ hình CSDL HDT mờ chia thành hai loại: phép toán đại số cho lớp mờ phép toán đại số cho đối tượng mờ 3.2.1 Phép toán đại số cho đối tượng mờ Đối với đối tượng mờ, phép toán đại số phép chọn mờ Một phép lựa chọn xem qui trình chọn đối tượng lớp thỏa mãn điều kiện lựa chọn Vấn đề đặt làm để xác định đối tượng thỏa mãn điều kiện lựa chọn Trước tiên, xem xét cú pháp điều kiện chọn cho việc chọn đối tượng mờ Trong CSDL quan hệ truyền thống, điều kiện lựa chọn ký hiệu vị từ P tạo thành thông qua việc kết hợp mệnh đề “X θ Y” toán hạng với phép tốn ¬ (not), ∧ (and), ∨ (or), θ ∈ {>, k, < k, ≥k, ≤k, k}, k mức phân hoạch Các phép toán so sánh mờ >k, < k, ≥k, ≤k, k có tính chất với phép tốn so sánh cổ điển >, k, < k, ≥k, ≤k, k}, A ∈ Attr’(C1), B ∈ Attr’(C2) Dựa Pf mối quan hệ Attr’(C1) Attr’(C2), xác định phép tốn kết nối mờ khác a Attr’(C1)∩Attr’(C2) = : nghĩa khơng có thuộc tính chung C1 C2 Trong trường hợp này, phép kết nối mờ thực chất phép tích có điều kiện: đối tượng thõa mãn Pf tương ứng C1 C2 kết hợp tạo thành nhóm Lớp C chứa thuộc tính Attr’(C1) Attr’(C2) Phép kết nối mờ định nghĩa sau C  C1 k Pf C2  {o(C ) | (o1 )(o2 )(o1 (C1 )  o2 (C2 )  Pf (o1 , o2 )  o[Attr'(C1 )] o1[Attr'(C1 ])  o[Attr'(C2 )]  o2 [Attr'(C2 ]))} Thực trường hợp là: C  C1 k Pf C2   P (C1  C2 ) f b Attr’(C1)∩Attr’(C2) ≠: nghĩa có vài thuộc tính chung C1 C2 Trong trường hợp này, có thêm hai trường hợp: 26 i Trong Pf, A B không đồng thời thuộc Attr’(C1)∩Attr’(C2) Attr’(C1) ≠ Attr’(C2) Thì Attr’(C)= Attr’(C1) ∪ (Attr’(C2) − (Attr’(C1)∩Attr’(C2))) có C  C1 k Pf C2  {o(C ) | (o1 )(o2 )(o1 (C1 )  o2 (C2 )  Pf (o1 , o2 )  o[Attr'(C1 ) - (Attr'(C1 )  Attr'(C2 ))]  o1[Attr'(C1 ) - (Attr'(C1 )  Attr'(C2 ))]  o[Attr'(C1 )  Attr'(C2 )]= mergek (o1[Attr'(C1 )  Attr'(C2 )], o2 [Attr'(C1 )  Attr'(C2 )])  o[Attr'(C2 ) - (Attr'(C1 )  Attr'(C2 ))]  o2 [Attr'(C2 ) - (Attr'(C1 )  Attr'(C2 ))]} ii Trong Pf, A B đồng thời thuộc Attr’(C1)∩Attr’(C2) A θ B A ≈k B Thì phép kết nối trở thành phép kết nối tự nhiên mờ, ký hiệu C = C k C2, Attr’(C) = Attr’(C1) ∪ (Attr’(C2) − (Attr’(C1)∩Attr’(C2))) Các đối tượng lớp C tạo thành phần đối tượng từ C1 C2, mà ngữ nghĩa tương đương Attr’(C1)∩Attr’(C2) theo mức phân hoạch cho Tuy nhiên, cần lưu ý rằng, Attr’(C1)∩Attr’(C2) ≠  nghĩa C1 C2 có thuộc tính xấp xỉ mức k cho thuộc tính Attr’(C1)∩Attr’(C2) Đây yêu cầu thiếu cần phải thỏa mãn phép kết nối mờ C  C1 k C2  {o(C ) | (o1 )(o2 )(o1 (C1 )  o2 (C2 )  o[Attr'(C1 ) -(Attr'(C1 )  Attr'(C2 ))]  o1[Attr'(C1 ) -(Attr'(C1 )  Attr'(C2 ))]  o[Attr'(C1 )  Attr'(C2 )]= mergek (o1[Attr'(C1 )  Attr'(C2 )], o2 [Attr'(C1 )  Attr'(C2 )])  o[Attr'(C2 ) -(Attr'(C1 )  Attr'(C2 ))]  o2 [Attr'(C2 ) -(Attr'(C1 )  Attr'(C2 ))]} 3.2.2.3 Phép hợp mờ Để thực phép hợp mờ C1 C2 cần Attr’(C1) = Attr’(C2), có nghĩa tất thuộc tính tương ứng C1 C2 phải hoàn toàn Cho lớp C phép hợp mờ C1 C2, đối tượng lớp C bao gồm loại đối tượng sau: a Đối tượng hai loại đối tượng lấy trực tiếp từ lớp thành phần (ví dụ, C1) khơng dư thừa với đối tượng có lớp thành phần khác (ví dụ như, C2) với mức phân hoạch k b Loại đối tượng cuối đối tượng mà kết hợp đối tượng dư thừa từ hai lớp thành phần với k mức phân hoạch Chúng ta có: 27 C  C1 k C2  {o(C ) | (o2 )(o1 )(o2 (C2 )  o1 (C1 )  o  o1 )  (o1 )(o2 )(o1 (C1 )  o2 (C2 )  o  o2 )  (o2 )(o1 )(o1 (C1 )  o2 (C2 )  o  mergek (o1 , o2 )} 3.2.2.4 Phép trừ mờ Để thực phép trừ mờ C1 C2 cần Attr’(C1) = Attr’(C2), có nghĩa tất thuộc tính tương ứng C1 C2 phải hoàn toàn Cho lớp C phép trừ mờ C1 C2, k mức phân hoạch Ta có C  C1 k C2  {o(C ) | (o2 )(o1 )(o2 (C2 )  o1 (C1 )  o  o1 )  (o1 )(o2 )(o1 (C1 )  o2 (C2 )  o  merge (o1 , o2 )} k 3.2.2.5 Phép giao mờ Phép giao mờ C1 C2 tạo lớp C kết hợp đối tượng chung hai lớp, với Attr’(C1) = Attr’(C2), có nghĩa tất thuộc tính tương ứng C1 C2 phải hoàn toàn Cho lớp C phép giao mờ C1 C2, k mức phân hoạch Ta có C  C1 k C2 {o(C) |(o2 )(o1 )(o1 (C1 )  o2 (C2 )  o  merge (o1 , o2 )} k 3.2.2.6 Phép chiếu mờ Cho lớp C′ S tập tập thuộc tính lớp C’ Một lớp C tạo thành từ phép chiếu C′ S bỏ thuộc tính Attr(C′) − S từ C′ giữ lại thuộc tính S C′ Rõ ràng S ⊂ Attr(C′) Attr(C) = S Mỗi đối tượng C′ trở thành đối tượng mới, mà tập thuộc tính đối tượng gồm thuộc tính S bỏ thuộc tính Attr(C′) − S Rõ ràng, có dư thừa đối tượng Sau loại bỏ dư thừa có thể, đối tượng tạo thành lớp C Phép chiếu C′ S định nghĩa sau C k (C ') {o(C ) |(o ')(o '(C ')  o[S]  o '[S]  o  mergek (o[S])} S 3.3 Phương pháp truy vấn liệu mờ Xử lý truy vấn thao tác lựa chọn đối tượng thỏa điều kiện đưa ra, kết trình bày định dạng theo yêu cầu Tuy nhiên, mơ hình sở liệu chứa thơng tin khơng xác khơng chắn điều kiện truy vấn khơng xác khơng chắn Vì vậy, câu truy vấn sở liệu HĐT mờ có cấu trúc: SELECT< danh sách thuộc tính/phương thức > FROM WHERE Cấu trúc câu truy vấn OQL mờ mở rộng OQL thông thường Ở đây, điều kiện mờ liên kết điều kiện mờ có sử dụng phép tốn tuyển hội 3.3.1 Tìm kiếm liệu theo lân cận ngữ nghĩa Xét câu truy vấn “Cho biết tất sinh viên có tuổi khả trẻ?” Các bước thực để trả lời câu truy vấn sau: + Bước 1: Xây dựng khoảng tương tự mức k, k ≤ thường có tối đa gia tử tác động liên tiếp lên phần tử nguyên thủy c+ c- + Bước 2: Xác định lân cận mức k điều kiện mờ, chẳng hạn với câu truy vấn điều kiện mờ khả trẻ nên lân cận mức khả trẻ FN2(khả trẻ), xác định lân cận mức k giá trị thuộc tính mờ FNA2(attr) Sau dựa vào định nghĩa 2.1 để thực đối sánh hai lân cận mức k FNA2(attr) FN2(khả trẻ) Khơng tính tổng qt, xét trường hợp đa điều kiện mờ với ký hiệu: -  phép toán and hay or - fzvalue1 giá trị mờ ứng với thuộc tính thứ i mức lân cận thứ k Thuật tốn SASN: Tìm kiếm liệu trường hợp đa điều kiện cho thuộc tính với phép tốn  Vào:Một lớp C = ({A1, A2, , Ap}, M); C = {o1, o2, , on} Trong Ai, i = p thuộc tính, M tập phương thức p Ra:Tập đối tượng o  C thỏa điều kiện  (o.Ai= fzvaluei) i 1 Phương pháp: Xây dựng lân cận mức k cho thuộc tính điều kiện mờ Kết đối tượng trả câu truy vấn đối sánh lân cận mức k điều kiện mờ thuộc tính Thuật tốn SMSN: Tìm kiếm liệu trường hợp đơn điều kiện cho phương thức Vào: Một lớp C = ({A1, A2, , Ap},{M1, M2, , Mm}); C ={o1, o2, , on} Trong Ai, i = p thuộc tính, Mj=1 m tập phương thức Giá trị h phương thức thứ h cần tìm kết đầu Ra: Tập đối tượng o  C thỏa điều kiện (o.Mi=fzpvalue) 29 Phương pháp: Xây dựng lân cận mức k cho thuộc tính điều kiện mờ phương thức Tiếp đến, chọn hàm kết nhập ĐSGT cho thuộc tính mà phương thức tác động lên Cuối cùng, kết đối tượng trả câu truy vấn đối sánh lân cận mức k điều kiện mờ phương thức 3.3.2 Truy vấn mờ với lượng từ ngôn ngữ Việc xử lý câu hỏi dạng cần tìm đối tượng “thỏa mãn” điều kiện mờ Tuy nhiên, gặp truy vấn có dạng “cho biết sinh viên có tuổi trẻ”, “cho biết phịng học có diện tích lớn vài sinh viên có tuổi trẻ tham gia học phịng đó” vấn đề xử lý câu truy vấn phức tạp Bởi vì, ngồi việc tìm liệu “thỏa mãn” điều kiện mờ phụ thuộc vào lượng từ “ít 5” “một vài”,… Zadeh [45] chia lượng từ ngôn ngữ thành hai loại, là: lượng từ tuyệt đối lượng từ tỉ lệ 3.3.2.1 Phương pháp định giá lượng từ ngôn ngữ Gọi Q lượng từ câu truy vấn, n tổng số đối tượng thỏa mãn điều kiện truy vấn miền trị Dresult = [0 n] Dựa vào Zadel [45], lượng từ Q chia thành hai trường hợp sau: (1) Trường hợp Q lượng từ tuyệt đối: Ký hiệu |Q| số lượng xác định lượng từ Q - Nếu Q đơn điệu tăng: Ta xây dựng hàm fQA : Dresult → {0, 1} cho: x  Dresult, fQA (x) = x  |Q| fQA (x) = ngược lại - Nếu Q đơn điệu giảm : Ta xây dựng hàm fQD : Dresult → {0, 1} cho: x  Dresult, fQD (x)= x ≤ |Q| fQD (x) = ngược lại (2) Trường hợp Q lượng từ tỷ lệ: Trong trường hợp này, đánh giá lượng từ tỉ lệ dựa phân hoạch [0 n] Để chuyển [0 n] [0 1] ta sử dụng số phép biến đổi tuyến tính đơn giản Do vậy, khơng tính tổng qt ta giả thiết miền Dresult khoảng [0, 1] Khi ta xây dựng hai khoảng mờ hai khái niệm nguyên thủy nhỏ lớn, ký hiệu I(nhỏ) I(lớn) với độ dài tương ứng fm(nhỏ) fm(lớn) cho chúng tạo thành phân hoạch miền tham chiếu [0, 1] Tiếp đến, xây dựng lớp tương đương S(1), S(lớn), S(W), S(nhỏ), S(0) dựa vào độ đo tính mờ gia tử khái niệm nguyên thủy ĐSGT Từ đó, ta nói gọi resultQlà tổng số 30 đối tượng thuộc lớp tham gia truy vấn thỏa mãn điều kiện mờ với lượng từ Q, đó, resultQ thc lớp tương đương 3.3.2.2 Thuật toán xử lý lượng từ truy vấn OQL mờ Thuật toán SALQ: Tìm kiếm liệu trường hợp đa điều kiện cho thuộc tính với phép tốn  lượng từ Q Vào:Một lớp C = ({A1, A2, , Ap},M); C ={o1, o2, , on} Trong Ai, i=1 p thuộc tính, M tập phương thức Q  QABS  QPRO p Ra:Tập đối tượng o C thỏa điều kiện Q(  (o.Ai=fzvaluei)) i 1 Phương pháp: Xây dựng lân cận mức k cho thuộc tính điều kiện mờ Tiếp đến, xác định đối tượng trả câu truy vấn đối sánh lân cận mức k điều kiện mờ thuộc tính Tiếp đến, xét lượng từ ngơn ngữ câu truy vấn, lượng từ tương đối xây dựng khoảng phân hoạch dựa tập đối tượng tìm kiểm tra lương từ câu truy vấn thuộc khoảng nào, lượng từ tuyệt đối kiểm tra tập đối tượng tìm thỏa mãn hay khơng Thuật tốn SMLQ: Tìm kiếm liệu trường hợp đơn điều kiện cho phương thức lượng từ Q Vào: Một lớp C = ({A1, A2, , Ap},{M1, M2, , Mm}); C = {o1, o2, , on} Trong Ai, i = p thuộc tính, Mj=1 m tập phương thức Q  QABS  QPRO Ra: Tập đối tượng o  C thỏa điều kiện (o.Mi=fzpvalue) Phương pháp: Xây dựng lân cận mức k cho thuộc tính điều kiện mờ phương thức Tiếp đến, chọn hàm kết nhập ĐSGT cho thuộc tính mà phương thức tác động lên tìm tập đối tượng trả câu truy vấn đối sánh lân cận mức k điều kiện mờ phương thức Tiếp đến, xét lượng từ ngôn ngữ câu truy vấn, lượng từ tương đối xây dựng khoảng phân hoạch dựa tập đối tượng tìm kiểm tra lương từ câu truy vấn thuộc khoảng nào, lượng từ tuyệt đối kiểm tra tập đối tượng tìm thỏa mãn hay khơng Định lý 3.1 Thuật tốn SASN SMSN dừng đắn Độ phức tạp tính tốn thuật tốn SASN O(n*p), thuật toán SMSN O(n*p*m) 31 Hai thuật toán SALQ SMLQ có độ phức tạp thuật tốn tương ứng O(n*p) O(n*p*m) 3.4 Ví dụ Xét mơ hình CSDL HĐT cho sau: PhongHoc dienTich sv n n SinhVien tenSV tuoi chieuCao canNang sucKhoe() Hình 3.1 Mối quan hệ lớp SinhVien PhongHoc Sau số thể lớp PhongHoc lớp SinhVien, để đơn giản bảng liệu giới hạn gồm thuộc tính PhongHoc DPH dienTich sv iD1 30m {Id1,Id2,Id3,Id4} iD2 lớn {Id1,Id3,Id5,Id6} Bảng 3.1(a) Các thể lớp PhongHoc iDSV Id1 Id2 Id3 Id4 Id5 Id6 tenSV An Bình Hà Hương Nhân Thủy tuoi trẻ trẻ 20 24 25 lớn SinhVien chieuCao 1.85 1.7 thấp cao 1.8 1.9 canNang 71 nặng 52 72 nặng 85 sucKhoe() Bảng 3.1(b) Các thể lớp SinhVien Truy vấn 3.1: Xét truy vấn“Cho biết sinh viên có tuổi khả trẻ” Bước (1) - (20): Do điều kiện mờ khả trẻ = nên cần xây dựng khoảng tương tự mức k = Chọn độ đo tính mờ xác định khoảng tương tự mức k = cho thuộc tính tuoi lớp SinhVien: Dtuoi=[0, 100], phần tử sinh {0, trẻ, W, già, 1}, tập gia tử {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 µ(rất) = 0.4 Phân hoạch đoạn [0, 100] thành khoảng tương tự mức lân cận mức lớp tương tự Bước (21) - (28): Xác định lân cận mức tuổi khả trẻ lớp SinhVien Ta có tuổi khả trẻ  S(khả trẻ) nên lân cận mức tuoi FRN (khả trẻ) = [24, 28) Bước (29)-(32): Vậy đối tượng thỏa mãn {Id4, Id5} Truy vấn 3.2: Xét truy vấn “Cho biết phịng học có diện tích lớn có sinh viên tuổi trẻ tham gia học phòng đó” Dựa vào truy vấn 3.1, kết đối tượng thỏa mãn điều kiện truy vấn iD2 32 Lượng từ “ít 2” lượng từ tuyệt đối đơn điệu tăng, nên ta có fítA (| result |)  fítA (| |)  , kết truy vấn khơng có đối nhat nhat tượng thỏa mãn resultQ =  KẾT LUẬN Luận án tập trung nghiên cứu mơ hình CSDL HĐT mờ dựa ngữ nghĩa định lượng ĐSGT số thao tác liệu mơ hình Cụ thể luận án đạt số kết quả: Xem miền trị thuộc tính mờ mà giá trị miền trị tồn thứ tự tuyến tính ĐSGT tuyến tính đầy đủ, xây dựng phân hoạch dựa vào độ dài giá trị miền trị, từ đề xuất định nghĩa quan hệ đối sánh như: mức k, tương đương mức k Dựa độ đo xấp xỉ ngữ nghĩa hai liệu mờ, luận án đưa khái niệm phụ thuộc hàm mờ lớp chứng minh tính đắn hệ luật suy dẫn Phụ thuộc liệu mờ vấn đề liên quan dạng phụ thuộc liệu để giải chuẩn hóa liệu phát tri thức từ liệu Dựa lân cận mức phân hoạch, luận án đưa phép toán đại số đối tượng mờ Xây dựng ngôn ngữ thao tác liệu mờ, cụ thể câu truy vấn HĐT mờ Đưa lượng từ ngôn ngữ vào câu truy vấn mờ phụ thuộc hàm mờ làm cho việc thao tác liệu phát phụ thuộc liệu gần gũi với thực tế Những vấn đề đặt từ kết nghiên cứu luận án: - Nghiên cứu dạng chuẩn đối tượng mờ - Để đánh giá định lượng nghiên cứu cài đặt thực nghiệm hệ quản trị CSDL HĐT Objectivity, O2,… - Tiếp tục nghiên cứu truy vấn liệu phương pháp tối ưu hóa truy vấn 33 DANH MỤC CƠNG TRÌNH CỦA TÁC GIẢ Đồn Văn Ban, Trương Cơng Tuấn, Đồn Văn Thắng (2011) Câu trả lời gần cho truy vấn NULL mơ hình sở liệu hướng đối tượng mờ thiếu thơng tin, Tạp chí Tin học Điều khiển học, Tập 27, Số 4, 329-340 Đồn Văn Ban, Trương Cơng Tuấn, Đồn Văn Thắng (2013) Các phụ thuộc đối tượng mờ dựa xấp xỉ ngữ nghĩa theo cách tiếp cận đại số gia tử, Tạp chí Tin học Điều khiển học, Tập 29, Số 1, 66-78 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 Đoàn Văn Thắng (2010), Truy vấn liệu với thông tin mờ không chắn sở liệu hướng đối tượng, Tạp chí Khoa học Công nghệ, Đại học Đà Nẵng Số 39, 15-24 Đồn Văn Ban, Đồn Văn Thắng (2010), Mơ hình sở liệu hướng đối tượng theo hướng tiếp cận đại số gia tử, Tạp chí Khoa học Công nghệ, Đại học Đà Nẵng, Số 41, 58-67 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 Đoàn Văn Ban, Trương Cơng Tuấn, Đồn Văn Thắng, Trần Minh Cảnh (2012), So sánh đối tượng mơ hình sở liệu hướng đối tượng mờ, Kỷ yếu Hội thảo quốc gia “Một số vấn đề chọn lọc công nghệ thông tin Truyền thông”, Cần Thơ, 7-8 tháng 10 năm 2011, NXB Khoa học Kỹ thuật, Hà Nội, 474-487 Đồn Văn Thắng (2013), Các phép tốn đại số sở liệu hướng đối tượng mờ theo tiếp cận đại số gia tử, Hội nghị Quốc gia lần thứ VI Nghiên cứu ứng dụng Công nghệ thông tin (FAIR), Huế, 20 – 21/6/2013 NXB Khoa học Tự nhiên Công nghệ, Hà Nội, 62-70 ... lớp đối tượng mờ [23]: (1) Lớp rõ đối 11 tượng rõ; (2) Lớp rõ đối tượng mờ; (3) Lớp mờ đối tượng rõ: Giống trường hợp (2); (4) Lớp mờ đối tượng mờ: Trong trường hợp này, đối tượng thuộc lớp với. .. vấn liệu với thông tin mờ không chắn sở liệu hướng đối tượng, Tạp chí Khoa học Cơng nghệ, Đại học Đà Nẵng Số 39, 15-24 Đoàn Văn Ban, Đoàn Văn Thắng (2010), Mơ hình sở liệu hướng đối tượng theo hướng. .. k 3.1.2 Đối tượng mờ dư thừa Trong CSDL HĐT rõ, đối tượng coi dư thừa trùng hoàn tồn với đối tượng khác Nhưng mơ hình CSDL HĐT mờ, đối tượng mờ nên để đánh giá dư thừa hai đối tượng mờ oi oj,