Đang tải... (xem toàn văn)
MỞ ĐẦU1 NỘI DUNG2 1. Giới thiệu2 2. Thông tin không đầy đủ trong mô hình CSDL5 2.1 Thông tin sai lệch5 2.2 Thông tin thiếu chính xác5 2.3 Thông tin không chắc chắn6 3. Tập mờ6 3.1 Tập mờ7 3.2 Các phép toán trên tập mờ7 3.3 Tổng quát hoá ba phép toán cơ bản trên tập mờ8 3.4 Biến ngôn ngữ9 4. Mô hình biểu diễn dữ liệu mờ với ngữ nghĩa của đại số gia tử10 4.1 Đại số gia tử10 4.2 Đại số gia tử tuyến tính đầy đủ10 5. Mô hình CSDL hướng đối tượng mờ10 5.1 Đối tượng mờ11 5.2 Lớp mờ12 5.3 Giá trị thuộc tính13 5.4 Phương thức14 5.5 Quan hệ lớp đối tượng mờ15 5.6 Quan hệ kế thừa mờ16 5.7 Mô hình lớp đối tượng mờ17 6. Ngôn ngữ truy vấn dữ liệu21 KẾT LUẬN21
MỤC LỤC 5.3 Giá trị thuộc tính .14 5.4 Phương thức .15 5.5 Quan hệ lớp đối tượng mờ 16 5.6 Quan hệ kế thừa mờ 17 5.7 Mô hình lớp đối tượng mờ 18 Ngôn ngữ truy vấn liệu 22 KẾT LUẬN 23 MỞ ĐẦU Như biết, mô hình hướng đối tượng (HĐT) truyền thống chứng tỏ nhiều ưu điểm vấn đề mô hình hóa, thiết kế thực hệ thống lớn, từ phần mềm sở liệu (CSDL) Đó nhờ mô hình có khả biểu diễn trạng thái hành vi đối tượng phân cấp, phân loại quan hệ chúng ứng dụng thực tế Hơn nữa, mô 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, mô hình HĐT truyền thống, mối quan hệ trạng thái hành vi đối tượng cách chắn xác Điều không hoàn toàn phù hợp với thực tế, thông tin đối tượng giới thực mơ hồ, không chắn, không đầy đủ Hệ ứng dụng dựa mô hình CSDL HĐT truyền thống không biểu diễn đối tượng mà thông tin chúng không xác định cách chắn xác Chẳng hạn, ứng dụng mô hình CSDL truyền thống trả lời truy vấn “tìm tất bệnh nhân trẻ có tiền sử bệnh viêm quản”; “tìm tất gói bưu kiện tích khoảng 25000 cm 3” trẻ khoảng 25000 cm khái niệm giá trị không xác Để khắc phục hạn chế vậy, nghiên cứu gần tập trung nghiên cứu mô hình CSDL HĐT có khả biểu diễn xử lý đối tượng mà thông tin chúng không chắn không xác Chúng em xin chân thành cảm ơn dạy bảo, định hướng nghiên cứu, cung cấp tài liệu hướng dẫn Thầy TS Nguyễn Công Hào giúp chúng em hoàn thành tiểu luận Chúng em xin chân thành cảm ơn đồng nghiệp, anh chị em học viên đóng góp ý kiến cho chúng em tiểu luận Do thời gian kiến thức có hạn nên chắn không tránh khỏi thiếu sót, mong nhận góp ý Thầy bạn học viên lớp để tiểu luận hoàn thiện NỘI DUNG Giới thiệu Trong năm gần đây, mô hình CSDL HĐT với thông tin mờ không chắn nhiều tác giả nước quan tâm nghiên cứu Tất cách tiếp cận nhằm mục đích nắm bắt xử lý cách thỏa đáng luận điểm thông tin không xác, không chắn hay không đầy đủ Dưới đây, tóm tắt lại số mô hình CSDL HĐT mờ theo cách tiếp cận kết đạt mô hình đề xuất Trước hết, số nghiên cứu cho phép giá trị thuộc tính đối tượng tập giá trị mờ kết hợp với quan hệ tương tự miền giá trị thuộc tính Tùy theo ngữ cảnh, tập giá trị thuộc tính định nghĩa tuyển hội logic giá trị Ngữ nghĩa giá trị tập mờ xác định thông qua quan hệ tương tự miền giá trị thuộc tính tương ứng Các phép toán đại số lớp đối tượng chọn, chiếu, kết nối, v.v , dựa độ đo tương tự xây dựng làm ngôn ngữ thao tác truy vấn đối tượng Vì giá trị thuộc tính đối tượng tập mờ, nên lớp đối tượng trở nên mờ Trong mô hình này, phân loại, phân cấp lớp mờ nên mức độ thành viên lớp đối tượng mờ hóa theo Các độ đo tương ứng sử dụng để tính toán mức độ bao hàm lớp mức độ thành viên lớp Độ đo bao hàm lớp lớp cha xác định mức độ tương tự tương ứng miền giá trị thuộc tính lớp lớp cha Độ đo thành viên lớp đối tượng định nghĩa thông qua mức độ tương tự giá trị tương ứng thuộc tính đối tượng với tập giá trị miền giá trị thuộc tính lớp Ngoài ra, mô hình Yazici George mở rộng tập luật cho phép suy diễn thông tin mờ đối tượng CSDL Nhóm tác giả Yazici, George Aksoy (1999) đề xuất vấn đề thiết kế thực mô hình hướng đối tượng mờ dựa quan hệ tương tự Các tác giả xây dựng hệ thống CSDL mờ dựa tính tương tự cho phép thao tác truy vấn thông tin mờ đối tượng thực tế Như mô hình CSDL quan hệ mờ, mô hình CSDL HĐT mờ, phương pháp biểu diễn giá trị thuộc tính đối tượng phân bố khả nghiên cứu rộng rãi Các đề nghị theo tiếp cận đa dạng khả mô hình hóa đối tượng mờ khác Bordogna, Lucarella Pasi (1994) đề nghị mô hình liệu hướng đối tượng dựa đồ thị, giá trị thuộc tính biểu diễn phân bố khả năng, bao hàm lớp lớp cha biểu diễn tập mờ Mức độ thành viên mờ đối tượng xác định thông qua mức độ bao hàm lớp mức độ bao hàm giá trị thuộc tính đối tượng miền giá trị thuộc tính tương ứng lớp Một ngôn ngữ truy vấn đối tượng dựa độ đo khả xây dựng cho mô hình khả áp dụng tính chất lớp chắn Nhóm tác giả tiếp tục mở rộng cách kết hợp giá trị thuộc tính đối tượng với giá trị khoảng [0, 1] để biểu diễn mức độ không chắn giá trị mà thuộc tính nhận Nhóm tác giả Rossazza, Duboi Prade (1997) định nghĩa lớp tập thuộc tính mà giá trị miền giá trị thuộc tính tập mờ Bao hàm phân cấp lớp mờ định nghĩa sở logic mờ lý thuyết khả năng, thừa kế xem xét quan hệ lớp thực quan hệ lớp cha lớp Đa thừa kế thuộc tính lấy giao miền giá trị thuộc tính mờ tương ứng lớp cha Van Gyseghem De Caluwe (1997) định nghĩa lớp tập thuộc tính phương thức xác định đối tượng mờ lớp Mỗi phương thức biểu diễn hàm thao tác giá trị tập mờ thuộc tính đối tượng Trong mô hình này, khả không chắn tính chất lớp đối tượng đề cập, mức độ áp dụng tính chất không định nghĩa hình thức biểu diễn lớp Bao hàm phân cấp lớp mờ xác định thông qua bao hàm miền trị thuộc tính tương ứng lớp Thừa kế không chắn thuộc tính lớp tính toán thông qua mức độ bao hàm lớp lớp cha Marin, Pons Vila (2001), Berzal cộng (2005a) áp dụng lý thuyết khả để xây dựng tập độ đo cho quan hệ tập mờ làm sở để thao tác truy vấn đối tượng Các phương thức lớp định nghĩa hình thức để biểu diễn thao tác đối tượng De Tre De Caluwe (2005) biểu diễn liệu mờ đối tượng ràng buộc tính chất chúng Một truy vấn kết hợp với ràng buộc, đối tượng chọn thỏa mãn ràng buộc Eiter cộng (2001) mở rộng mô hình CSDL HĐT xác suất Kormatzky Shimony (1994) gọi mô hình POB (Probabilistic Object Base) Đây mô hình sở đối tượng xác suất dựa thủ tục Theo đó, giá trị thuộc tính đối tượng biểu diễn tập, kết hợp với hai hàm phân bố xác suất cận cận để đo độ không chắn giá trị tập mà thuộc tính nhận Kết hợp tập mờ xác suất, Baldwin cộng (2000), Cao Rossiter (2003) đề xuất mô hình CSDL HĐT xác suất mờ dựa sở logic Trong đó, lớp định nghĩa tập tính chất diễn dịch vị từ mờ kết hợp với khoảng xác suất biểu diễn khả áp dụng không chắn chúng lớp Các vị từ tiền điều kiện biểu diễn thuộc tính, ngược lại chúng biểu diễn phương thức lớp Mỗi tính chất đối tượng nhận giá trị tập mờ với xác suất thuộc khoảng xác suất suy dẫn từ mức độ áp dụng đối tượng Năm 2013, Vũ Đức Quảng thực nghiên cứu phụ thuộc liệu đối tượng mờ mô hình CSDL hướng đối tượng mờ với liệu biểu diễn phân bố khả đề xuất ZongMin Ma Trên mô hình mà Zong Min Ma đề xuất việc đảm bảo khái niệm, tính chất cốt lõi mô hình CSDL hướng đối tượng rõ, giải tương đối đầy đủ tính mờ đối tượng, lớp, tính mờ mối quan hệ đối tượng lớp, lớp cha lớp Như trình bày trên, hướng tiếp cận nghiên cứu mô hình CSDL HĐT với thông tin mờ không chắn chứng tỏ khả mô hình hóa thông tin mờ, không xác không chắn đối tượng Tuy nhiên, đa dạng loại thông tin không đầy đủ, khó khăn phải thao tác thông tin nên nhiều vấn đề cần tiếp tục nghiên cứu Trong năm gần đại số gia tử nhiều tác giả nghiên cứu có kết đáng kể nghiên cứu CSDL mờ Vì vậy, có nhiều kết nghiên cứu CSDL HĐT mờ, theo chiều hướng cách tiếp cận nghiên cứu CSDL HĐT mờ với ngữ nghĩa dựa đại số gia tử xem vấn đề nghiên cứu Trong phần sau, số khái niệm ĐSGT ĐSGT tuyến tính đầy đủ, mệnh đề, định lý liên quan trình bày làm sở nghiên cứu mô hình Thông tin không đầy đủ mô hình CSDL Một lĩnh vực nghiên cứu chủ yếu CSDL tiếp tục phát triển kết đạt mô hình CSDL truyền thống với tập khái niệm có ngữ nghĩa mở rộng Một yêu cầu không giải đầy đủ các mô hình truyền thống, việc biểu diễn xử lý thông tin không xác không chắn Các mô hình truyền thống giả định mô hình sở liệu phản ánh cách xác giới thực, liệu lưu trữ xác định, xác đầy đủ Tuy nhiên, thực tế sống, nhiều giả định không thỏa đáng Vì năm gần đây, mô hình liệu khác đề xuất để giải loại đặc trưng liệu Trong hệ thống CSDL, thường quan tâm đến ba loại thông tin không hoàn hảo (imperfect) sau: thông tin sai lệch, thông tin không xác, thông tin không chắn 2.1 Thông tin sai lệch Thông tin sai lệch loại thông tin không hoàn hảo đơn giản Thông tin sở liệu sai lệch khác với “thông tin thực” (true information) Mọi sai số lớn hay nhỏ thông tin làm ảnh hưởng đến tính toàn vẹn CSDL, vấn đề chấp nhận cần xem xét hệ CSDL Một loại thông tin sai lệch quan trọng không quán Đôi khía cạnh giới thực biểu diễn nhiều lần CSDL hay nhiều CSDL khác Khi biểu diễn đối lập kết hợp được, dẫn đến thông tin không quán Trong việc tích hợp thông tin từ nhiều CSDL khác nhau, vấn đề không quán thông tin phải quan tâm cách đầy đủ 2.2 Thông tin thiếu xác Thông tin CSDL thiếu xác biểu diễn tập giá trị có thể, giá trị thực phần tử tập Như vậy, thông tin thiếu xác thông tin sai lệch không làm ảnh hưởng tới tính toàn vẹn CSDL Sau số thông tin thiếu xác đặc trưng: - Thông tin tuyển, chẳng hạn tuổi Nam 35 36 - Thông tin âm, chẳng hạn tuổi Nam 30 - Thông tin khoảng/miền, chẳng hạn tuổi Nam nằm khoảng từ 35 đến 40 tuổi Nam lớn 35 - Thông tin với cận sai số, chẳng hạn tuổi Nam 30 ± Hai loại thông tin không xác cực biên thông tin xác (ứng với trường hợp tập giá trị phần tử) giá trị null (được hiểu theo nghĩa thông tin không xác, tập giá trị bao gồm toàn miền giá trị hợp lệ) 2.3 Thông tin không chắn Tri thức giới thực (chính xác không xác), phát biểu với mức độ chân lý tuyệt đối, đòi hỏi ta phải xác định giá trị chân lý thông tin phát biểu Thông tin với độ chắn định thông tin sai lệch không làm ảnh hưởng tới tính quán CSDL Trong phát biểu “tuổi Nam 35 36 ” thể tính không xác, phát biểu “tuổi Nam có khả 35 ” lại thể tính không chắn Tập mờ Mỗi lĩnh vực khoa học kỹ thuật có miền ứng dụng Khoa học kỹ thuật lấy tính “chính xác” làm sở để xây dựng, phát triển có giới hạn xác định vượt qua, chúng có khả mô phần giới thực Câu hỏi đặt liệu có lý thuyết toán học cho phép mô hình hóa phần giới thực mà người nhận thức, mô tả ngôn ngữ tự nhiên vốn hàm chứa thông tin không xác (inexact), không chắn (uncertain) 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 không xác, mơ hồ thực tế Ngày nay, sau 40 năm, thời gian ngắn so với lịch sử toán học, lý thuyết tập mờ không phát triển bùng nổ vượt bậc mà đặt móng cho việc xây dựng loạt lý thuyết quan trọng logic mờ, lý thuyết khả năng, lý thuyết xác suất mờ v.v Nhu cầu phát triển lý thuyết tập mờ tìm kiếm công cụ để mô hình hóa tính không chắn, không rõ ràng, phổ biến thực tế mà dùng lý thuyết xác suất không đủ Toán học dựa lý thuyết tập mờ phát triển chủ yếu cách mở rộng hầu hết khái niệm lý thuyết toán học cổ điển logic, số học, quan hệ, độ đo v.v thành logic, số học, hay độ đo mờ v.v Lý thuyết tập mờ, với khả nói, 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 toán biết phân tích, xử lý định thông minh 3.1 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 µF ( X ) = 0 X ∈F X ∉F Rõ ràng, tập hợp kinh điển, hàm thuộc phần tử F nhận giá trị {0,1} Trong tập mờ, hàm thuộc phần tử F không nhận giá trị {0,1} mà nhận giá trị [0,1] 3.2 Các phép toán tập mờ Tương tự lý thuyết tập hợp, tập mờ định nghĩa số phép toán: nhau, bao nhau, giao, hợp [1] mở rộng định nghĩa lý thuyết tập hợp Định nghĩa 1.5 Cho F F1 hai tập mờ U (1): F F1, ký hiệu F = F1, µF (x) = µF1 (x), ∀x ∈ U (2): F chứa F1, ký hiệu F ⊆ F1, µF (x) ≤ µF1 (x), ∀x ∈ U (3): Hợp hai tập mờ F F1, ký hiệu F ∪ F1, tập mờ U với hàm thuộc xác định bởi: µF ∪F1 (x) = M ax{µF (x), µF1 (x)}, ∀x ∈ U (4): Giao hai tập mờ F F1, ký hiệu F ∩ F1, tập mờ U với hàm thuộc xác định bởi: µF ∩F1 (x) = Min{µF (x), µF1 (x)}, ∀x ∈ U (5): Phần bù tập mờ F, ký hiệu F tập mờ U với hàm thuộc xác định bởi: µF (x) = − µF (x), ∀x ∈ U Định nghĩa 1.6 [1] Cho F F1 hai tập mờ U (1): Tổng đại số F + F1 = {(x, µF +F1 (x))|x ∈ U, µF +F1 (x) = µF (x) + µF1 (x) − µF (x).µF1 (x)} (2): Tích đại số F.F1 = {(x, µF.F1 (x))|x ∈ U, µF.F1 (x) = µF (x).µF1 (x)} 3.3 Tổng quát hoá ba phép toán tập mờ Ngoài ba phép toán min, max phần bù dùng thao tác tập mờ, để tổng quát định nghĩa họ toán tử T t-norm, t-conorm N-Negation cho phép toán Định nghĩa 1.7 Hàm T: [0,1] x [0,1] → [0,1] gọi t-norm thoả mãn ∀x, y, z ∈ [0, 1]: (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) = x Định nghĩa 1.8 Hàm S : [0, 1]*[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 Hàm N : [0, 1] → [0, 1] gọi hàm phủ định N thoả mãn ∀x, y ∈ [0,1]: (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 toán Việc xây dựng hàm thuộc tập mờ dựa ngữ nghĩa khái niệm mờ Ngược lại, lớp khái niệm mờ mô hình hoá ngữ nghĩa qua tập mờ Trên sở mối quan hệ này, L.A.Zadeh đưa khái niệm biến ngôn ngữ 3.4 Biến ngôn ngữ Trong L.A.Zadeh viết "thiếu hụt tính xác bề vấn đề phức tạp cách tự nhiên tìm cách sử dụng biến ngôn ngữ, biến mà giá trị chúng 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 ngôn ngữ định nghĩa sau Định nghĩa 1.10 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 tam 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 Các đặc trưng biến ngôn ngữ Trong thực tế có nhiều biến ngôn ngữ khác giá trị nguyên thủy, chẳng hạn biến ngôn ngữ SỐ NGÀY LÀM VIỆC có giá trị nguyên thuỷ ít, nhiều, biến ngôn ngữ LƯƠNG có giá trị nguyên thủy thấp, cao, Tuy nhiên, kết nghiên cứu miền trị biến ngôn ngữ cụ thể giữ ý nghĩa mặt câu trúc miền giá trị biến lại Đặc trưng gọi tính phổ quát biến ngôn ngữ Ngữ nghĩa gia tử liên từ hoàn toàn độc lập với ngữ cảnh, điều khác với giá trị nguyên thủy biến ngôn ngữ lại phụ thuộc vào ngữ cảnh Ví dụ, ta nói LƯƠNG cán An cao, hiểu LƯƠNG khoảng 8.000.000 đồng, ta nói CHIỀU CAO cán An 10 cao hiểu CHIỀU CAO khoảng 1.8m Do đó, tìm kiếm mô hình cho gia tử liên từ không quan tâm đến giá trị nguyên thuỷ biến ngôn ngữ xét Đặc trưng gọi tính độc lập ngữ cảnh gia tử liên từ Các đặc trưng cho phép sử dụng tập gia tử xây dựng cấu trúc toán học cho miền giá trị biến ngôn ngữ khác Mô hình biểu diễn liệu mờ với ngữ nghĩa đại số gia tử 4.1 Đại số gia tử Vấn đề sử dụng tập mờ để biểu diễn giá trị ngôn ngữ dùng phép toán tập mờ để biểu thị gia tử ngôn ngữ µrattre = (µtre)2, µitnhieutre = (µtre)1/2, cho phép thực thao tác liệu mờ, đáp ứng nhu cầu thực tế người Tuy nhiên, theo cách sử dụng tập mờ ta thấy có nhiều nhược điểm việc xây dựng hàm thuộc xấp xỉ giá trị ngôn ngữ tập mờ mang tính chủ quan, phụ thuộc nhiều vào ý kiến chuyên gia dễ mát thông tin Mặc khác, thân giá trị ngôn ngữ có cấu trúc thứ tự ánh xạ gán nghĩa sang tập mờ, không bảo toàn cấu trúc Do đó, vấn đề đặt cần có cấu trúc toán học để mô xác cấu trúc ngữ nghĩa khái niệm mờ Trong N.C.Ho cộng đưa ĐSGT ĐSGT mở rộng, đề xuất ĐSGT tuyến tính đầy đủ giải đáp đầy đủ cho toán 4.2 Đại số gia tử tuyến tính đầy đủ Cho ĐSGT tuyến tính đầy đủ AX = (X, G, H, Σ, Φ, ≤), Dom(X ) = X miền giá trị ngôn 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, Σ Φ hai phép tính với ngữ nghĩa cận cận tập H(x), tức Σx = supermumH(x) and Φx = infimumH(x), H(x) tập phần tử sinh từ x, quan hệ ≤ quan hệ thứ tự tuyến tính X cảm sinh từ ngữ nghĩa ngôn ngữ Mô hình CSDL hướng đối tượng mờ 11 Trong phần trước trình bày tổng quan hướng tiếp cận cho việc nghiên cứu mô hình CSDL HĐT với thông tin mờ không chắn Các nghiên cứu, phát triển mô hình CSDL HĐT mờ dựa mô hình CSDL HĐT truyền thống thường tập trung vào vấn đề sau: Biểu diễn giá trị thuộc tính không chắn không xác đối tượng Biểu diễn thực thi phương thức lớp Mô hình hóa khả áp dụng không chắn tính chất (thuộc tính phương thức) lớp Mô hình hóa quan hệ lớp định nghĩa mức độ không chắn đối tượng Xác định chế thừa kế không chắn đối tượng Như đề cập trên, nghiên cứu mô hình CSDL hướng đối tượng mờ chủ yếu tập trung vào việc mở rộng mô hình liệu rõ có theo cách tiếp cận khác cho phép biểu diễn, thao tác liệu mờ Do đó, mô hình CSDL mờ thống tập khái niệm chung (tập lõi) mô hình hạt nhân ODMG Có thể thấy rằng, kết nghiên cứu CSDL HĐT mờ xem xét với mô hình cụ thể, kết giải cho lớp toán với tập khái niệm, tính chất đặc trưng hướng đối tượng cài đặt mô hình Nhờ ưu điểm cấu trúc ĐSGT trình bày phần mở đầu, xem giá trị miền thuộc tính đối tượng cấu trúc ĐSGT giá trị sinh từ hai phần tử dương âm ĐSGT Ngoài ra, xem phương thức biểu diễn hàm thao tác giá trị tập mờ thuộc tính đối tượng Trong mô hình này, dựa tính toán lân cận tương tự, độ đo ngữ nghĩa quan hệ đối sánh chúng để đưa phụ thuộc liệu đối tượng mờ vấn đề liên quan, số phép toán đại số, tích hợp nhiều đại số gia tử để thực việc thao tác truy vấn liệu mô hình CSDL HDT với thông tin ngôn ngữ mờ 5.1 Đối tượng mờ Các đối tượng dùng để đặc tả thực thể giới thực khái niệm trừu tượng Các đối tượng có thuộc tính hay mối quan hệ 12 đối tượng với hay nhiều đối tượng khác Mỗi đối tượng lưu trữ hệ thống CSDL HĐT xác định định danh Định danh hệ thống tự động tạo gọi định danh đối tượng (OID) Giá trị OID hệ thống sử dụng để xác định đối tượng dùng để tạo tham chiếu bên đối tượng, người sử dụng không tham chiếu giá trị Các OID thỏa mãn hai tính chất sau : Giá trị OID đối tượng không thay đổi, điều đảm bảo tính đối tượng Do đó, hệ thống CSDL HĐT phải có chế tạo OID đảm bảo tính bất biến chúng Mỗi giá trị OID sử dụng lần; nghĩa là, đối tượng bị xóa khỏi hệ thống CSDL giá trị OID không gán cho đối tượng khác Từ hai tính chất chứng tỏ OID không phụ thuộc vào giá trị thuộc tính đối tượng nào, giá trị thuộc tính thay đổi chỉnh sửa Ngoài ra, OID không dựa địa vật lý đối tượng, địa vật lý thay đổi sau lần tổ chức lại CSDL phương diện vật lý Tuy nhiên, số hệ thống sử dụng địa vật lý làm OID để tăng hiệu truy vấn Thông thường, hệ thống HĐT sử dụng số nguyên lớn để biểu diễn giá trị OID, sử dụng sử dụng bảng băm để ánh xạ giạ trị OID đến địa vật lý đối tượng Mỗi đối tượng xác định tập thuộc tính mô tả thông tin đặc trưng đối tượng phương thức thể hành vi xử lý thông tin mối quan hệ đối tượng hệ thống Thuộc tính đối tượng xác định giá trị cụ thể, giá trị giá trị rõ lý mà ta không xác định giá trị xác Chẳng hạn, thuộc tính tuổi đối tượng cho “khoảng 18 ”, “từ 20 đến 22 ”, giá trị ngôn ngữ “rất trẻ ” Hoặc ngữ cảnh khác, thuộc tính lương đối tượng “cao”, “khả thấp”, Những thông tin không xác, không rõ ràng gọi thông tin mờ Như vậy, đối tượng mờ có nhiều thuộc tính có chứa thông tin mờ (gọi thuộc tính mờ), phương thức sử dụng thuộc tính để đọc hay sửa đổi phương thức 13 trở nên mờ Không tính tổng quát, mặt hình thức, đối tượng có thuộc tính mờ gọi đối tượng mờ 5.2 Lớp mờ Các đối tượng có thuộc tính hành vi ứng xử giống thường đưa vào lớp tổ chức lớp thành hệ thống phân cấp Về mặt lý thuyết, lớp xem xét từ hai quan điểm khác : Thứ nhất, lớp mở rộng định nghĩa danh sách đối tượng Thứ hai, lớp khái niệm xác định tập thuộc tính giá trị hợp lệ thuộc tính (và phương thức thao tác thuộc tính này) Vì vậy, lớp đươc xem mờ lý sau: Thứ nhất, số đối tượng lớp xác định đối tượng mờ, đó, đối tượng thuộc lớp với độ thuộc định Thứ hai, lớp định nghĩa, miền trị thuộc tính mờ lớp mờ hình thành Thứ ba, lớp thừa kế nhiều lớp cha, có lớp cha lớp mờ Sự khác lớp mờ lớp rõ ranh giới lớp mờ không rõ ràng Sự không xác ranh giới lớp mờ không xác giá trị miền thuộc tính Trong CSDL HĐT mờ, lớp mờ miền trị thuộc tính chúng chứa giá trị mờ Do đó, đối tượng thuộc mờ vào lớp xảy lớp đối tượng mờ, lớp lớp lớp khác với độ thuộc k (k ∈ Z +) lớp mờ Do vậy, việc đánh giá mối quan hệ lớp đối tượng mờ phân cấp thừa kế mờ quan trọng mô hình CSDL HĐT mờ 5.3 Giá trị thuộc tính Giá trị thuộc tính đối tượng bốn trường hợp sau: Giá trị xác: Giá trị giá trị kiểu liệu 14 nguyên thủy kiểu số kiểu xâu ký tự, tập hợp giá trị nguyên thủy Miền giá trị trường hợp dễ dàng thao tác việc sử dụng phép toán (≤, ≥, =) biểu thức điều kiện câu hỏi truy vấn; xây dựng điều kiện mờ để thực truy vấn liệu, ví dụ “cho biết tất đối tượng nhân viên có thu nhập thấp lương trung bình? ” Giá trị thiếu xác (hoặc mờ): Trường hợp với giá trị thiếu xác (hoặc mờ) phức tạp, thường nhãn ngôn ngữ sử dụng để biểu diễn cho loại giá trị Những kiểu giá trị thiếu xác phải xem xét theo ngữ nghĩa giá trị thiếu xác Đối tượng: Trong trường hợp giá trị thuộc tính tham chiếu đến đối tượng khác (đối tượng phức) Đối tượng mà tham chiếu đến mờ Sưu tập (collection): Giá trị thuộc tính tập giá trị tập đối tượng Sự thiếu xác giá trị thuộc tính chia thành mức: a Tập giá trị mờ b Tập đối tượng mà đối tượng mờ 5.4 Phương thức Thuộc tính phương thức đối tượng, khái niệm trung tâm mô hình CSDL HĐT Theo thuộc tính thể thông tin trạng thái đối tượng, phương thức xem đặc tính mô tả hành vi chúng Phương thức biểu diễn hành động hay thao tác thực đối tượng đối tượng Việc thực thao tác làm thay đổi giá trị thuộc tính đối tượng, nghĩa làm thay đổi trạng thái đối tượng Ngoài ra, phương thức công cụ xác định kết để hỗ trợ chế trao đổi thông tin đối tượng qua thông báo Mỗi phương thức có tên thân thực thao tác đối tượng đối tượng Thông thường, việc thực thi thao tác đối tượng phương thức có kết Phương thức không cho phép biểu diễn thao tác đối tượng đối tượng mà cho phép truy vấn thông tin CSDL thông qua thực thi phương thức Trong mô hình CSDL HĐT mờ, giá trị thuộc tính giá trị xác 15 mờ, phương thức biểu diễn hàm thao tác giá trị thuộc tính Chính vậy, phương thức xác định đối tượng lớp trở nên mơ hồ không chắn Cho C lớp với tập thuộc tính Attr(C) = {A1, A2, , An} Với tính chất giá trị thuộc tính nêu trên, miền giá trị thuộc tính kinh điển Ai Dom(Ai) = Cdom(Ai), miền giá trị thuộc tính mờ Aj Dom(Aj ) = Cdom(Aj ) ∪ Fdom(Aj ) o đối tượng có thuộc tính {A1, A2, , An}, o.Ai biểu thị giá trị o thuộc tính Ai (1≤ i ≤ n) Lớp C chứa tập đối tượng (mờ), ký hiệu C = {o1, o2, , om}, o(C) đối tượng o lớp C 5.5 Quan hệ lớp đối tượng mờ Trong mô hình CSDL HĐT mờ, bốn trường hợp sau dùng để phân biệt cho quan hệ lớp đối tượng mờ : (a) Lớp rõ đối tượng rõ: Trường hợp giống CSDL HĐT truyền thống, nghĩa đối tượng thuộc hay không thuộc lớp cách chắn (b) Lớp rõ đối tượng mờ: Lớp xác định xác có ranh giới xác, đối tượng mờ giá trị thuộc tính mờ Trong trường hợp này, đối tượng thành viên lớp với độ thuộc (c) Lớp mờ đối tượng rõ: Giống trường hợp (b), đối tượng thuộc lớp với mức độ thuộc k Ví dụ, đối tượng học viên cao học lớp sinh viên trẻ (d) Lớp mờ đối tượng mờ: Trong trường hợp này, đối tượng thuộc lớp với mức độ thuộc k Các mối quan hệ lớp đối tượng (b), (c), (d) gọi quan hệ lớp đối tượng mờ Trong thực tế, trường hợp (a) xem trường hợp đặc biệt mối quan hệ lớp đối tượng mờ, với độ thuộc vào lớp Rõ ràng, đánh giá mức độ thành viên không chắn đối tượng vào lớp quan trọng quan hệ lớp đối tượng mờ Trong CSDL HĐT, đối tượng thuộc lớp giá trị thuộc tính bao hàm miền thuộc tính tương ứng lớp Tương tự, để tính độ thuộc thành viên đối tượng thuộc lớp 16 mối quan hệ lớp đối tượng mờ, ta cần phải xác định mức độ mà miền thuộc tính lớp bao hàm giá trị thuộc tính đối tượng Trong luận án này, xem miền trị thuộc tính mờ lớp đối tượng mờ đại số gia tử, từ đó, xây dựng phân hoạch dựa tính mờ giá trị đại số gia tử lân cận mức k khái niệm mờ Khi đó, độ thuộc thành viên đối tượng thuộc vào lớp mối quan hệ lớp đối tượng mờ xác định dựa vào mức độ thuộc k miền thuộc tính lớp giá trị thuộc tính đối tượng 5.6 Quan hệ kế thừa mờ Sự thừa kế khái niệm trung tâm mô hình CSDL HĐT Thừa kế chế cho phép lớp áp dụng tính chất lớp cha, phản ánh đặc trưng vốn có quan hệ đối tượng thực tế Cơ chế kế thừa ưu điểm lớn mô hình hướng đối tượng, không phản ánh chất quan hệ thực tế mà cho phép tối ưu liệu tái sử dụng mã xây dựng hệ thống Vì lớp đối tượng không chắn mơ hồ nên chế kế thừa trở nên không chắn [23] Trong CSDL HĐT mờ, lớp mờ rõ Ba dạng quan hệ kế thừa mờ mô hình là: Lớp cha rõ lớp rõ Lớp cha rõ lớp mờ Lớp cha mờ lớp mờ Trường hợp giống CSDL HĐT truyền thống, nghĩa lớp có kế thừa cách chắn Trường hợp 2, gọi quan hệ kế thừa mờ, nghĩa hai lớp có kế thừa với mức độ thuộc k Trong thực tế, trường hợp xem trường hợp đặc biệt quan hệ kế thừa mờ, với độ thuộc thành viên mô hình phân cấp lớp con-lớp cha Trong CSDL HĐT truyền thống, lớp phát triển từ lớp cha cách kế thừa số thuộc tính, phương thức từ lớp cha, ghi đè số thuộc tính phương thức lớp cha, định nghĩa số thuộc tính phương thức Vì lớp cụ thể hóa lớp cha, đối tượng thuộc lớp phải thuộc lớp cha Đặc điểm dùng để xác định hai lớp quan hệ 17 cha-con hay không Trong CSDL HĐT mờ, lớp mờ Một lớp sinh từ lớp cha mờ, lớp lớp mờ, mối quan hệ quan hệ kế thừa mờ Phương pháp sử dụng để xác định mối quan hệ lớp - lớp cha mờ CSDL HĐT mờ là: với đối tượng (mờ) mức độ thuộc k mà thuộc vào lớp nhỏ mức độ thuộc k mà thuộc vào lớp cha Một lớp lớp lớp cha với mức độ thuộc k nhỏ mức độ thuộc k mà đối tượng lớp thuộc vào Một cách hình thức, cho hai lớp C1 C2, k1 k2 mức độ thuộc tương ứng, ≤ k1 ≤ k2 ≤ k(trong thực tế, số gia tử giá trị ngôn ngữ hữu hạn nên tồn số nguyên dương k) Ta nói, C2 lớp lớp C1 (∀o)(µC2,k2 ≤ µC1,k1 ), µC,k (o) độ thuộc mức k đối tượng o thuộc vào lớp C Ngoài ra, có trường hợp xảy lớp cha mờ - lớp rõ Trong tính chất kế thừa có tính chất thừa kế riêng (private), có nghĩa thuộc tính phương thức khai báo private, phương thức công khai xử lý thuộc tính mờ lớp cha đặc tính riêng lớp cha không truyền cho lớp con, lúc lớp trở thành rõ 5.7 Mô hình lớp đối tượng mờ 5.7.1 Chuyển giá trị thuộc tính giá trị khoảng [a, b] Giá trị thuộc tính mờ hợp hai thành phần giá trị rõ giá trị mờ Đối với giá trị rõ, kiểu liệu bao gồm loại đơn giản số nguyên, thực, chuỗi Đối với giá trị mờ, giá trị ngôn ngữ thường sử dụng để biểu diễn thông tin không xác Như vậy, ta cần phải có phương pháp biểu diễn cách thống dạng liệu, nhằm thuận tiện cho việc đánh giá quan hệ gần chúng Trong phần này, trình bày phương pháp biến đổi giá trị khoảng [a, b] tương ứng Với phương pháp biểu diễn này, xem xét kiểu liệu khác quan điểm thống Phương pháp chuyển giá trị khoảng thực sau: Giá trị thuộc tính giá trị số: 18 • Nếu giá trị thuộc tính a chuyển thành [a, a] Ví dụ, giá trị thuộc tính a = 10 chuyển thành khoảng [10, 10] • Nếu giá trị thuộc tính vào khoảng a chuyển thành [a − ε, a + ε], • với ε bán kính với tâm a Ví dụ, giá trị thuộc tính vào khoảng 10 chọn ε = chuyển thành giá trị khoảng [9, 11] • Nếu giá trị thuộc tính a đến b chuyển thành [a, b] Ví dụ, giá trị thuộc tính 24 đến 26 chuyển thành giá trị khoảng [24, 26] Giá trị thuộc tính giá trị ngôn ngữ: • Thuộc tính đối tượng xem thuộc tính ngôn ngữ biểu diễn theo cấu trúc ĐSGT Từ đó, xây dựng phân hoạch lớp tương tự mức k cho thuộc tính ngôn ngữ • Xác định giá trị ngôn ngữ thuộc lớp tương tự mức k từ xác định khoảng giá trị tương ứng cho giá trị thuộc tính 5.7.2 Định nghĩa lớp mờ Các lớp CSDL HĐT mờ mờ Theo đó, đối tượng thuộc lớp tùy theo mức k lớp lớp lớp khác theo mức k (k ∈ Z+) Trong CSDL HĐT, lớp xác định mối quan hệ kế thừa, thuộc tính phương thức Về mặt hình thức, định nghĩa lớp mờ thể sau: CLASS tênlớp INHERITES tên lớp thứ WITH LEVEL OF mức tên lớp thứ n WITH LEVEL OF mức n ATTRIBUTES 19 tên thuộc tính thứ 1: [FUZZY] DOMAIN dom 1: TYPE OF kiểu tên thuộc tính thứ n: [FUZZY] DOMAIN dom n: TYPE OF kiểu n METHODS END Ví dụ 1.3 Cho lớp “Nhân viên trẻ ” sau: CLASS NhanVienTre{ Oid: alllD hoTen: string tuoi: [fuzzy] domain [18 60]: int queQuan: string HSL: [fuzzy] domain [0 0.75]: float SLSP: [fuzzy] domain [0 30]: int } Dưới đây, số đối tượng lớp NhanVienTre (ký hiệu C): o1(C) = ; o2(C) = ; o3(C) = ; o4(C) = ; Khi cần xác định mức độ thuộc đối tượng vào lớp, ta cần xác định mức quan hệ thuộc tính tuổi Trước tiên, ta xem miền trị thuộc tính tuổi đại số gia tử xác định sau: G ={0, trẻ, W , già, 1}, H−= {gần, ít}, H+ = {khá, rất} Các tham số mờ fm(trẻ) = 0.42; fm(già) = 0.58, µ(rất) = 0.2; µ(khá) = 0.28; µ(gần) = 0.27; µ(ít) = 0.25, miền trị thuộc tính tuổi người 20 công tác DOMtuoi = [18, 60] Đối với giá trị thuộc tính giá trị số, ta sử dụng phương pháp mục trước để chuyển giá trị khoảng: o1.Tuổi = 27, chuyển thành o1.Tuổi = [27, 27] o2.Tuổi = “khoảng 30”, chuyển thành o2.Tuổi = [29, 31] Đối với giá trị thuộc tính ngôn ngữ, ta sử dụng phương pháp mục trước để chuyển giá trị khoảng Các lân cận mức k xây dựng sau: Với k = 1, ta có: fm(rất trẻ) = 0.2*0.42*42 = 3.528, I(rất trẻ) = [18, 21.528]; fm(khá trẻ) = 0.28*0.42*42 = 4.9392, I(khá trẻ) = (21.528, 26.4672] fm(ít trẻ) = 0.25*0.28*0.42*42 = 1.2342, I(ít trẻ) = (25.2324, 26.4672] Với k = 2, ta có: fm(ít trẻ) = 0.25*0.28*0.42*42 = 1.2342, I(ít trẻ) = (25.2324, 26.4672] I(khá trẻ) = I(khá trẻ) ∪ I(gần trẻ), mà fm(khá trẻ) = 0.28 *0.28*0.42*42 = 1.382976 fm(gần trẻ) = 0.27 *0.28*0.42*42 = 1.333584, I(khá trẻ) = (22.51584, 25.2324] Với k = 3, tương tư cách tính k = 2, ta có: I(khá trẻ) = (23.55308, 24.16554], I((ít trẻ) = (25.4794, 26.1585] Với “Nhân Viên Trẻ ”, ta có lớp tương đương FNk(trẻ) sau: F N1 (trẻ) = I(khá trẻ) ∪ I(gần trẻ) = (21.5280, 31.23] F N2 (trẻ) = I(ít trẻ) ∪ I(rất gần trẻ) = (25.2324, 27.91476] F N3 (trẻ) = I(ít trẻ) ∪ I(rất gần trẻ) = (26.1585, 26.2767] Vậy, sử dụng định nghĩa ta đối tượng thuộc vào lớp “Nhân Viên Trẻ ” sau: 21 Khi k = 1, o1, o2, o3, o4 thuộc lớp “Nhân Viên Trẻ ”, vì: Tuổi = [27, 27] ∈ F N1 (trẻ); o2.Tuổi = [29, 31] ∈ F N1 (trẻ); o3.Tuổi = [21.5280, 26.4672] ∈ F N1 (trẻ); o4.Tuổi = [25.2324, 26.4672] ∈ F N1 (trẻ); Khi k = 2, o1, o4 thuộc lớp “Nhân Viên Trẻ ”, vì: Tuổi = [27, 27] ∈ F N2 (trẻ); o4.Tuổi = [25.2324, 26.4672] ∈ F N2 (trẻ); k = 3, đối tượng thuộc lớp “Nhân Viên Trẻ ” Ngôn ngữ truy vấn liệu Trong ngôn ngữ truy vấn, thành phần quan trọng điều kiện dùng để chọn đối tượng hay liệu CSDL Trong CSDL mờ, điều kiện sử dụng để truy vấn liệu gọi điều kiện mờ Có thể phân tích thành phần điều kiện mờ biểu diễn ngữ nghĩa đại số gia tử sau: i Vị từ nguyên tố (atomic predicate): ánh xạ từ tập miền trị thuộc tính vào [0, 1] Một vị từ nguyên tố thường tương ứng với giá trị ngôn ngữ “già ”, “trẻ ” ii Toán tử sửa đổi: ánh xạ từ [0, 1] vào [0, 1] ứng với từ nhấn “rất ”, “có thể ” iii Các toán tử so sánh: phép toán đối sánh giá trị mờ miền trị, chẳng hạn phép so sánh “xấp xỉ ”, “gần nhau” iv Liên kết logic: thường dùng phép toán hội, tuyển, phủ định 22 KẾT LUẬN Trong nội dung trình bày cách ngắn gọn khái niệm liên quan đến tập mờ, biến ngôn ngữ, khái niệm làm sở cho việc mở rộng xây dựng mô hình CSDL HĐT mờ Cho đến nay, việc mở rộng mô hình CSDL HĐT truyền thống để xử lý thông tin mờ, không chắn nhiều tác giả tập trung nghiên cứu dựa tiếp cận khác nhau: Mô hình theo cách tiếp cận lý thuyết đồ thị, mô hình theo cách tiếp cận quan hệ tương tự, mô hình theo cách tiếp cận lý thuyết khả năng, mô hình theo cách tiếp cận lý thuyết xác suất Mỗi cách tiếp cận có ưu điểm khác nhau, nhiên có điểm chung làm thể mô tả liệu gần với thực tế Với ưu điểm cấu trúc ĐSGT, giá trị tập mờ thuộc tính biểu diễn nhãn ngôn ngữ, giá trị thuộc tính không diễn dịch hàm thành viên mà ngữ nghĩa xác định ĐSGT miền trị thuộc tính tương ứng Trên sở đó, trình bày cách ngắn khái niệm ĐSGT, ĐSGT tuyến tính đầy đủ, mệnh đề, định lý liên quan làm sở nghiên cứu mô hình CSDL HĐT với thông tin mờ không chắn Việc tập trung nghiên cứu mô hình CSDL HĐT mờ cách xây dựng quan hệ đối sánh miền trị thuộc tính Chúng ta xem miền trị thuộc tính mờ ĐSGT tuyến tính, dựa vào phân hoạch giá trị ĐSGT để từ xây dựng khái niệm lân cận mức k, xấp xỉ mức k Các quan hệ đối sánh miền trị thuộc tính mờ định nghĩa, quan hệ đối sánh "bằng mức k" mô hình quan hệ tương đương mức k miền trị 23 TÀI LIỆU THAM KHẢO [1] Nguyễn Công Hào (2008), Cơ sở liệu mờ với thao tác liệu dựa đại số gia tử, Luận án tiến sĩ toán học, Viện Công nghệ thông tin – Viện khoa học Công nghệ Việt Nam [2] Hồ Cẩm Hà (2002), Một cách tiếp cận mở rộng sở liệu quan hệ với thông tin không đầy đủ, Luận án tiến sĩ toán học, Trường Đại học Bách Khoa Hà Nội [3] Z M MA+ AND LI YAN (2008), A Literature Overview of Fuzzy Database Models 24 [...]... các phương thức lớp 3 Mô hình hóa khả năng áp dụng không chắc chắn của các tính chất (thuộc tính hoặc phương thức) lớp 4 Mô hình hóa các quan hệ lớp và định nghĩa mức độ không chắc chắn của các đối tượng 5 Xác định cơ chế thừa kế không chắc chắn của các đối tượng Như đã đề cập ở trên, các nghiên cứu về mô hình CSDL hướng đối tượng mờ chủ yếu tập trung vào việc mở rộng mô hình dữ liệu rõ đã có theo các... nhiều đại số gia tử để thực hiện việc thao tác và truy vấn dữ liệu trên mô hình CSDL HDT với thông tin ngôn ngữ mờ 5.1 Đối tượng mờ Các đối tượng được dùng để đặc tả các thực thể trong thế giới thực hoặc các khái niệm trừu tượng Các đối tượng có các thuộc tính hay các mối quan hệ giữa 12 đối tượng này với một hay nhiều đối tượng khác Mỗi đối tượng lưu trữ trong hệ thống CSDL HĐT được xác định bởi một... ngôn ngữ 5 Mô hình CSDL hướng đối tượng mờ 11 Trong phần trước đã trình bày tổng quan về các hướng tiếp cận cho việc nghiên cứu mô hình CSDL HĐT với thông tin mờ và không chắc chắn Các nghiên cứu, phát triển trên mô hình CSDL HĐT mờ dựa trên mô hình CSDL HĐT truyền thống thường tập trung vào các vấn đề sau: 1 Biểu diễn giá trị thuộc tính không chắc chắn hoặc không chính xác của các đối tượng 2 Biểu... tính mờ Aj là Dom(Aj ) = Cdom(Aj ) ∪ Fdom(Aj ) o là một đối tượng có các thuộc tính {A1, A2, , An}, và o.Ai biểu thị giá trị của o trên thuộc tính Ai (1≤ i ≤ n) Lớp C chứa tập các đối tượng (mờ) , ký hiệu C = {o1, o2, , om}, và o(C) là đối tượng o của lớp C 5.5 Quan hệ lớp đối tượng mờ Trong mô hình CSDL HĐT mờ, bốn trường hợp sau đây có thể được dùng để phân biệt cho các quan hệ lớp đối tượng mờ. .. đối tượng có thể thuộc về lớp với mức độ thuộc k Ví dụ, một đối tượng học viên cao học và một lớp sinh viên trẻ (d) Lớp mờ và đối tượng mờ: Trong trường hợp này, đối tượng thuộc về lớp với mức độ thuộc k Các mối quan hệ lớp đối tượng trong (b), (c), và (d) trên đây được gọi là quan hệ lớp đối tượng mờ Trong thực tế, trường hợp (a) có thể được xem như là trường hợp đặc biệt của mối quan hệ lớp đối tượng. .. tác trên dữ liệu mờ Do đó, các mô hình CSDL mờ này cũng chỉ thống nhất trên một tập các khái niệm chung nhất (tập lõi) trong mô hình hạt nhân của ODMG Có thể thấy rằng, các kết quả nghiên cứu trên CSDL HĐT mờ luôn được xem xét với một mô hình cụ thể, các kết quả này sẽ giải quyết cho một lớp các bài toán với một tập con các khái niệm, tính chất đặc trưng hướng đối tượng đã được cài đặt trên mô hình Nhờ... (a) Lớp rõ và đối tượng rõ: Trường hợp này giống như trong CSDL HĐT truyền thống, nghĩa là đối tượng thuộc hay không thuộc lớp một cách chắc chắn (b) Lớp rõ và đối tượng mờ: Lớp được xác định chính xác và có ranh giới chính xác, còn đối tượng là mờ vì giá trị thuộc tính của nó có thể mờ Trong trường hợp này, đối tượng có thể là thành viên của lớp với độ thuộc nào đó (c) Lớp mờ và đối tượng rõ: Giống... 3 Đối tượng: Trong trường hợp này giá trị thuộc tính có thể tham chiếu đến một đối tượng khác (đối tượng phức) Đối tượng mà nó tham chiếu đến có thể mờ 4 Sưu tập (collection): Giá trị thuộc tính có thể là tập các giá trị hoặc tập các đối tượng Sự thiếu chính xác của các giá trị thuộc tính này được chia thành 2 mức: a Tập các giá trị này có thể mờ b Tập các đối tượng mà các đối tượng này có thể mờ 5.4... kế thừa là một ưu điểm lớn của mô hình hướng đối tượng, bởi không chỉ phản ánh bản chất của các quan hệ thực tế mà còn cho phép tối ưu dữ liệu và tái sử dụng mã khi xây dựng hệ thống Vì lớp đối tượng không chắc chắn và mơ hồ nên cơ chế kế thừa cũng trở nên không chắc chắn [23] Trong CSDL HĐT mờ, các lớp có thể là mờ hoặc rõ Ba dạng cơ bản của quan hệ kế thừa mờ trong mô hình này đó là: 1 Lớp cha rõ và... nghĩa, và quan hệ đối sánh "bằng nhau mức k" trên mô hình này là quan hệ tương đương mức k trên miền trị 23 TÀI LIỆU THAM KHẢO [1] Nguyễn Công Hào (2008), Cơ sở dữ liệu mờ với thao tác dữ liệu dựa trên đại số gia tử, Luận án tiến sĩ toán học, Viện Công nghệ thông tin – Viện khoa học và Công nghệ Việt Nam [2] Hồ Cẩm Hà (2002), Một cách tiếp cận mở rộng cơ sở dữ liệu quan hệ với thông tin không đầy đủ, Luận