TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ, ĐẠI HỌC ĐÀ NẴNG - SỐ 6(41).

2010

MÔ HÌNH CƠ SỞ DỮ LIỆU HƯỚNG ĐỐI TƯỢNG VỚI THÔNG TIN MỜ VÀ KHÔNG CHẮC CHẮN THEO HƯỚNG TIẾP CẬN ĐẠI SỐ GIA TỬ
A MODEL OF OBJECT-ORIENTED DATABASES WITH FUZZY AND UNCERTAIN INFORMATION IN AN APPROACH TO HEDGE ALGBEBRAS Đoàn Văn Ban
Viện Công nghệ Thông tin

Đoàn Văn Thắng
Trường CĐ Hữu Nghị CNTT Việt-Hàn
TÓM TẮT

Trong bài báo này, chúng tôi giới thiệu một cách tiếp cận đại số gia tử về ngữ nghĩa dựa trên quan hệ thứ tự của dữ liệu ngôn ngữ của biến ngôn ngữ cho việc nghiên cứu mô hình cơ sở dữ liệu hướng đối tượng với thông tin mờ và không chắc chắn. Trong cách tiếp cận này, giá trị tập mờ của mỗi thuộc tính được biểu diễn bởi một nhãn ngôn ngữ và ngữ nghĩa của nó được xác định bởi đại số gia tử trên miền giá trị thuộc tính tương ứng. Dựa trên cơ sở các đại số gia tử có thứ tự tuyến tính đã định nghĩa được độ đo mờ, ngữ nghĩa của các nhãn ngôn ngữ, tính tương tự và quan hệ đối sánh giữa chúng làm cơ sở cho ngôn ngữ truy vấn dữ liệu trở nên đơn giản và hiệu quả. ABSTRACT In this paper, a hedge algebraic approach to a research model of object-oriented databases with fuzzy and uncertain information is presented. In the approach, the fuzzy value of each attribute is represented by a linguistic label and its meaning is determined by hedge algebras on domain attribute values, respectively. Based on the hedge algebra linear order defined by fuzzy measurement, the semantic elements of the linguistic labels, similarity and matching relations between them, which lay the foundation for the data query language have become simpler and more effective.

1. Giới thiệu Trong những năm gần đây, mô hình cơ sở dữ liệu hướng đối tượng (CSDL HĐT) với thông tin mờ và không chắc chắn được nhiều tác giả trong và ngoài nước quan tâm nghiên cứu và đã có những kết quả đáng kể như George, Buckles và Petry 1993; Kornatzky và Shimony 1994; Rossazza, Duboi và Prade 1997; Van Gyseghem và De Caluwe 1997; Yazici và George 1999; Yazici, George và Aksoy 1999; Bordogna, Lucarella và Pari 1994, 1999; Baldwin và cộng sự 2000; Marin, Pons và Vila 2001; Eiter và cộng sự 2001; Biazzo và cộng sự 2002; Cao và Rossiter, 2003; Berzal và cộng sự 2005; dựa trên lý thuyết xác suất, logic mờ, giá trị mờ kết hợp với quan hệ tương tự. Tất cả các cách tiếp cận trên nhằm mục đích nắm bắt và xử lý một cách thỏa đáng trên một luận điểm nào đó các thông tin không chính xác (Unexact), không chắc chắn (uncertainty) hay những thông tin không đầy đủ (Incomplete). Hầu hết, các cách tiếp cận này chỉ xây dựng phương pháp xử lý giá trị thuộc tính mà không (hoặc chưa) quan tâm đến xử lý phương thức của lớp đối tượng.
58

. làm cơ sở cho một ngôn ngữ truy vấn dữ liệu mờ trên mô hình này. Khi đó miền ngôn ngữ T = dom(TRUTH) có thể biểu thị như một đại số X = ( X. x ∈ C.< c+. k ∈ H+ hoặc ∀ h.2010 Năm 2006. y ∈ X ta có: f (hx) − f ( x) f (kx) − f ( x) = f (hy ) − f ( y ) f (ky ) − f ( y ) Với đại số gia tử và hàm định lượng ngữ nghĩa ta có thể định nghĩa tính mờ của 59 . Vì vậy. C.1 [4]... Như vậy.. .TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ.1] gọi là hàm ngữ nghĩa định lượng của X nếu ∀h. k ∈ H-.. tác giả đã định nghĩa độ đo tính mờ. . H là tập các gia tử được xem như là các phép toán một ngôi. Nếu C có đúng hai từ nguyên thuỷ mờ. Định nghĩa 2. possibly false. Đại số gia tử Để xây dựng cách tiếp cận đại số gia tử. trong đó H+ = {h1. Tập X được sinh ra từ C bởi các phép tính trong H. more-or-less false. c+} ... very possibly true... các quan hệ thứ tự sau là đúng: false ≤ true. H.< h-q. more-or-less true.}. 2. very false. approximately true. ≤ ) với G = { c−. h-q}. Tập tất cả các phần tử được sinh ra từ một phần tử x được ký hiệu là H(x).< hp và h-1 < . q >1 là dãy các gia tử. G. W. hp} và H... H. trong đó C là tập các từ nguyên thuỷ được xem là các phần tử sinh. ≤ ).và ta có c.. trong đó p. more true ≤ very true nhưng very false ≤ more false. little false. các từ nhấn (mordifier hay intensifier) very.. Ví dụ dựa trên ngữ nghĩa.. trong đó true. approximately false. mỗi phần tử của X sẽ có dạng biểu diễn x = hnhn-1... Nguyễn Cát Hồ và cộng sự đã đề nghị một mô hình trong đó giá trị tập mờ của mỗi thuộc tính được biểu diễn bởi một nhãn ngôn ngữ và ngữ nghĩa của nó được xác định bởi một Đại số gia tử (ĐSGT).SỐ 6(41). với h1 < . Trong ví dụ trên True là dương còn False là âm. false... false là các từ nguyên thuỷ. more-or-less. approximately true. một gọi là phần tử sinh âm ký hiệu là c. H = H−∪H+. ngữ nghĩa của các nhãn ngôn ngữ. possibly. tính tương tự và các quan hệ đối sánh giữa chúng.h1x.. Như vậy. . Chúng ta xét miền ngôn ngữ của biến chân lý TRUTH gồm các từ sau: Dom(TRUTH) = {true. ĐẠI HỌC ĐÀ NẴNG . little gọi là các gia tử (hedges).= {h-1. possibly true.. và ∀x. f: X → [0.. quan hệ ≤ trên các từ (các khái niệm mờ) là quan hệ thứ tự được "cảm sinh" từ ngữ nghĩa tự nhiên. little true.. Trong mô hình này. possibly true ≤ true nhưng false ≤ possibly false. trong phần này chúng tôi trình bày tổng quan về một số nét cơ bản của đại số gia tử và khả năng biểu thị ngữ nghĩa dựa vào cấu trúc của đại số gia tử [4]. thì một được gọi là phần tử sinh dương ký hiệu là c+. very possibly false. cho X = ( X. very true. mặc dù đã có nhiều kết quả nghiên cứu về CSDL HĐT với thông tin mờ và không chắc chắn theo nhiều hướng tiếp cận khác nhau nhưng cách tiếp cận nghiên cứu CSDL HĐT với thông tin mờ và không chắc chắn dựa trên ĐSGT vẫn có thể được xem là một vấn đề nghiên cứu mới.

với ∀h.. và ν(hjx)=ν(x)+Sign(hjx) 60 .2 [4]: Hàm fm: X → [0.. được kí hiệu là µ(h) gọi là độ đo tính mờ (fuzziness measure ) của gia tử h.Sign(c+) nếu hc+ < c+ (2) Sign(h′hx) = -Sign(hx) nếu h' là negative đối với h và h'hx ≠ hx (3) Sign(h′hx) = +Sign(hx) nếu h' là positive đối với h và h'hx ≠ hx (4) Sign(h′hx) = 0 nếu h'hx = hx 3. Định nghĩa 2.4 [1] (Hàm định lượng ngữ nghĩa ν) Giả sử cho trước độ đo tính mờ của các gia tử µ(h).SỐ 6(41). i ≠ 0 ∑ fm(h u ) = fm(u ) i (2) Nếu x là khái niệm rõ.fm(c+) ν(hjx)=ν(x)+Sign(hjx) ⎡ p ⎤ 1 ⎢ ∑ fm( hi x ) − ( 1 − Sign ( h j x )Sign ( h1 h j x )( β − α )) fm( h j x )⎥ 2 ⎢i = j ⎥ ⎣ ⎦ với 1≤ j≤p.Sign(c−) nếu hc− > c− Sign(c+) = +1 và Sign(hc+) = +Sign(c+) nếu hc+ > c+ Sign(hc+) = . tức là − q ≤i ≤ p .hi2hi1c : ν(c−) =w-α.2010 một khái niệm mờ. Hàm định lượng ngữ nghĩa trên cơ sở độ đo tính mờ của gia tử 3.1] được gọi là độ đo tính mờ trên X nếu thoả mãn các điều kiện sau: (1) fm là độ đo mờ đầy đủ trên X. xét bất kỳ x ∈ X. 1} là một ánh xạ được định nghĩa một cách đệ qui như sau. ĐẠI HỌC ĐÀ NẴNG . ∀h ∈ H.fm(c-) và ν(c+) = w+α. fm(c+) và w là phần tử trung hòa. 3.2 Định nghĩa 2. nghĩa là tỉ số này không fm( x) fm( y ) phụ thuộc vào x và y.h'∈H: (1) Sign(c−) = -1 và Sign(hc−) = +Sign(c−) nếu hc− < c− Sign(hc−) = . Hàm định lượng ngữ nghĩa (Quantitatively semantic function) ν của X được xây dựng như sau với x=him. 0. cho trước hàm định lượng ngữ nghĩa f của X. và các giá trị độ đo tính mờ của các phần tử sinh fm(c-). ta có fm(hx) fm(hy ) = .3 [1] (Hàm Sign) Hàm Sign: X →{-1.1]. (3) Với ∀x. Do đó fm(0) = fm(W) = fm(1) = 0.TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ.1 Định nghĩa 2. Tính mờ của x khi đó được đo bằng đường kính của tập f(H(x)) ⊆ [0. tức là H(x) = {x} thì fm(x) = 0.y ∈ X.

Ta có ∑ I (h x) = i =1 i p+q I ( x ) = fm ( x ) Ví dụ 3. Ta nói rằng u xấp xỉ v theo mức k. ta ký hiệu I(x) ⊆ [0. f: X -> [0. 1] nếu: (1): {I(c+). ĐẠI HỌC ĐÀ NẴNG .SỐ 6(41). 1] sao cho |I(c)| = fm(c). I(c-)} là phân hoạch của [0. 1]. 1].1. khi và chỉ khi u và v cùng thuộc một khoảng trong Pk. Một họ J = {I(x):x∈X} được gọi là phân hoạch của [0. Quan hệ đối sánh trên miền trị của thuộc tính Vì độ đo tính mờ của các từ là một khoảng của đoạn [0. H-={h3.2: theo ví dụ 3. Định nghĩa 3. v ∈ X. với c∈{c+. c-} 1/2 h3c+ h4c+ c+ Hình vẽ 1 h1c+ h2c+ 1 Khi đó ta có P1 ={I(c+)}và P2 ={I(h3c+).1 [4]: Gọi fm là độ đo tính mờ trên đại số gia tử X. Ví dụ 3. xét Pk = {I ( x) : x ∈ X k } là một phân hoạch của [0. u ≈ k v ⇔ ∃∆k ∈ P k : I (u ) ⊆ ∆k và I (v) ⊆ ∆k . Ta có h1c+ ≈ 1 h2c+ vì ∃∆1 = I (c + ) ∈ P1 mà I (h1c + ) ⊆ ∆1 và I (h2 c + ) ⊆ ∆1 61 .TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ. 1].. h4}. Có nghĩa ∀u. H+={h1. 1] và họ các khoảng như vậy của các từ có cùng độ dài sẽ tạo thành phân hoạch của [0. H. Với mọi x ∈ X.2 [4]: Cho Xk = {x ∈ X : x = k }. C. được ký hiệu u ≈ k v. 4. I(h4c+). I(h1c+). Trong đó H=H+∪ H-. Cho đại số gia tử AH=(X.2010 ⎡ j ⎤ 1 ⎢ ∑ fm ( hi x ) − ( 1 − Sign ( h j x )Sign ( h1 h j x )( β − α )) fm ( h j x )⎥ 2 ⎢ i = p +1 ⎥ ⎣ ⎦ với j>p. Phân hoạch ứng với độ dài từ lớn hơn sẽ mịn hơn và khi độ dài lớn vô hạn thì độ dài của các khoảng phân hoạch giảm dần về 0. h1 < h2 . ≤ ). c-}. Tập {I(hix)} được gọi là phân hoạch gắn với phần tử x. h3 > h4. 1].. (2): Nếu đoạn I(x) đã được định nghĩa và |I(x)| = fm(x) thì {I(hix): I = 1. I(h2c+)} Giả sử tác động gia tử h1 vào từ h3c+ và h2c+ ta được 1/2 h1h3c+ h3c+ h4c+ c+ Hình vẽ 2 h1c+ h2c+ h1 h2c+ 1 Định nghĩa 3. 1] và |I(x)| là độ dài của I(x). C={ c+.p+q} được định nghĩa là phân hoạch của I(x) sao cho thoả mãn điều kiện: |I(hix)| = fm(hix) và |I(hix)| là tập sắp thứ tự tuyến tính. h2}.1 P1 là phân hoạch của [0.

x)=1 2. là chiến lược tổ chức các hệ thống như là tuyển tập (Collection) các đối tượng tương tác. có cùng mối liên quan với các đối tượng khác và có chung ngữ nghĩa trong hệ thống. phối hợp với nhau về dữ liệu và các hành vi ứng xử.1] như sau:∀ x. Ta có h2c+ ≈ 2 h1h2c+ vì ∃∆2 = I (h2 c + ) ∈ P 2 mà I (h2 c + ) ⊆ ∆2 và I (h1h2 c + ) ⊆ ∆2 Định nghĩa 3.y) là hàm khoảng cách của x và y trong đại số gia tử Di và được xác định ρ(x. đối tượng là thể hiện một đại biểu của một lớp. ν là hàm định lượng ngữ nghĩa. Lớp là một mô tả về một nhóm các đối tượng có những tính chất giống nhau. 5.y)=|ν(x)-ν(y)|. Nếu x≤y≤z hoặc x≥ y≥ z thì SP(x. Thuộc tính của đối tượng (Object Attribute) là thuộc tính của lớp được mô tả bởi giá trị của mỗi đối tượng trong lớp đó. xét Pk = {I ( x) : x ∈ X k } là một phân hoạch của [0. được ký hiệu u ! ≈ k v.4 [3] ( Độ đo của hai giá trị xấp xỉ ) Để đánh giá độ gần nhau của hai giá trị trong cùng một khoảng của phân hoạch ta xây dựng hàm SP (Semantic Proximity) : Di x Di →[0.y∈Di ta có 0 ≤ SP(x.y.y)=SP(y. u ! ≈ k v ⇔ ∃∆k ∈ P k : I (u ) ⊄ ∆k và I (v) ⊄ ∆k .2 ∀ x.SỐ 6(41). Có nghĩa ∀u. Giá trị thuộc tính của đối tượng có thể là một trong bốn trường hợp sau: 62 . 1]. Thuộc tính và phương thức đối tượng là một trong những khái niệm trung tâm của mô hình CSDL HĐT.2010 P2 là phân hoạch của [0. y) Mệnh đề 3. y ∈Di: ⎧1 − ρ ( x .z) 5.TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ.3 [1]: Cho Xk = {x ∈ X : x = k }. còn các phương thức được xem như là những đặc tính mô tả các hành vi của chúng. Theo đó các thuộc tính thể hiện thông tin về trạng thái của đối tượng. Định nghĩa 3. z∈Di. ĐẠI HỌC ĐÀ NẴNG .x) 3. 1]. y ) = ⎨ 0 ⎩ Nếu P(x≈y) Nếu ngược lại ( x và y độc lập ) Trong đó ρ(x. y ) SP ( x . Ta nói rằng u không xấp xỉ v theo mức k. x) ≥ SP(x. ∀ x∈Di ta có SP(x. v ∈ X. Mô hình cơ sở dữ liệu hướng đối tượng Mô hình CSDL HĐT.1 Thuộc tính và giá trị thuộc tính của đối tượng Giá trị là một phần của dữ liệu.y∈Di ta có SP(x.1 ∀ x. Trong đó. ∀ x. khi và chỉ khi u và v không cùng thuộc một khoảng trong Pk.y∈Di ta có SP(x. Các tính chất của độ đo hai giá trị xấp xỉ SP 1.y) ≥ SP(x. ∀ x.y) ≤ 1 Mệnh đề 3.

1) nên phương thức xác định các đối tượng lớp này cũng trở nên mơ hồ và không chắc chắn. Mặc khác. 4. hoặc khoảng [0. Thành viên của tập có thể là các giá trị mờ hoặc các đối tượng mờ Vì các giá trị thuộc tính đối tượng là những giá trị không chính xác (hoặc mờ) nên các lớp đối tượng cũng trở nên mờ hoặc không chính xác. 5.SỐ 6(41). Chẳng hạn. = ) trong biểu thức điều kiện của câu hỏi truy vấn. kích thước của mỗi gói (chiều dài. 35] để biểu diễn khái niệm trẻ của con người. Đối tượng: Trong trường hợp này giá trị thuộc tính có thể tham chiếu đến một đối tượng khác (đối tượng phức). hoặc chúng ta có thể xây dựng các điều kiện mờ để thực hiện truy vấn dữ liệu. Chẳng hạn. phản ánh một đặc trưng vốn có trong quan hệ giữa các đối tượng thực tế. Thừa kế là cơ chế cho phép một lớp được áp dụng các tính chất của lớp cha của nó. khi mô hình hóa về các gói bưu kiện được vận chuyển bởi công ty vận tải thì thời gian vận chuyển của mỗi gói bưu kiện không phải luôn được xác định một cách chắc chắn. ĐẠI HỌC ĐÀ NẴNG . Những kiểu giá trị không chính xác phải được xem xét theo ngữ nghĩa của các giá trị không chính xác. Tập (set) có thể mờ. Giá trị chính xác: Giá trị có thể là các giá trị của các kiểu dữ liệu nguyên thủy như các kiểu số hoặc kiểu xâu ký tự. 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.2 Phương thức Trong mô hình CSDL HĐT lớp được định nghĩa như là một tập các tính chất gồm các thuộc tính và phương thức lớp xác định các đối tượng của lớp này. Vì do lớp đối tượng không chắc chắn và mơ hồ nên cơ chế kế thừa cũng trở nên không chắc chắn.TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ. Tuyển tập: Thuộc tính có thể là tập các giá trị hoặc tập (set) các đối tượng. 5. giá trị thuộc tính của đối tượng là các giá trị không chính xác (hoặc mờ) (4. ≥. thể tích và do đó cả cước phí vận chuyển cũng không phải được luôn 63 . ví dụ “cho biết tất cả đối tượng nhân viên có thu nhập thấp hơn lương trung bình” 2. Giá trị không chính xác (hoặc mờ): Trường hợp với giá trị không chính xác (hoặc mờ) rất phức tạp. cao) cũng như diện tích. hoặc chiều cao của anh ta khoảng 2m.3 Sự thừa kế Sự thừa kế là một trong những khái niệm trung tâm của mô hình CSDL HĐT. Miền giá trị trong trường hợp này chúng ta có thể dễ dàng thao tác bằng việc sử dụng các phép toán ( ≤. rộng. Đối tượng mà nó tham chiếu đến có thể mờ. Cơ chế kế thừa là một ưu điểm lớn của mô hình hướng đối tượng.2010 1. thường thì nhãn ngôn ngữ được sử dụng để biểu diễn cho những loại giá trị này. mỗi phương thức được biểu diễn như một hàm thao tác trên giá trị thuộc tính của đối tượng. b. đất thích hợp cho nó phát triển là mùn nhưng không chắc chắn nó cần mức độ ánh sáng là nhẹ hay trung bình. Sự không chính xác của các thuộc tính này được chia thành 2 mức: a. 3. Tương tự. một thực vật có tên là húng tây. hoặc là tập hợp các giá trị nguyên thủy.

Vì các giá trị thuộc tính đối tượng là những tập mờ.3 Gói ưu tiên 0. 1993.5 thư_ưu tiên Hình 3 If 0. Tuy nhiên. Yazici và George.5 Hộp 0. Để tính toán mức độ bao hàm lớp và mức độ thành viên lớp. 1] trên các cung liên kết giữa một lớp với lớp con trực tiếp của nó biểu diễn xác suất có điều kiện để một đối tượng thuộc lớp cha là thuộc lớp con của nó. nên các lớp đối tượng cũng trở nên mờ. lớp bưu kiện có hai nhóm lớp con là {thư. sự phân loại và phân cấp lớp là mờ nên mức độ thành viên lớp của các đối tượng cũng được mờ hóa theo.7 Gói thông thường 0. Nhận xét cách tiếp cận mô hình CSDL HĐT với thông tin mờ và không chắc chắn Trong mô hình CSDL HĐT truyền thống các mối quan hệ cũng như trạng thái và hành vi của các đối tượng luôn luôn được thể hiện một cách chắc chắn và chính xác.5 0. Trong ví dụ trên. Trong mô hình này. các nghiên cứu cho phép giá trị thuộc tính đối tượng là một tập các giá trị mờ kết hợp với một quan hệ tương tự trên miền giá trị thuộc tính này (George. Mô hình dựa trên quan hệ tương tự [11][12] Trong mô hình này.3 hộp_thông thường Các lớp con của một lớp được liên kết với một nút If là loại trừ lẫn nhau (nghĩa là một đối tượng không thể thuộc về hai lớp tại cùng một thời điểm. các độ đo tương ứng đã được đề 64 . gói thông thường}. Yazici và George.TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ. Có nhiều hướng tiếp cận khác nhau trong việc nghiên cứu mô hình CSDL HĐT với thông tin mờ và không chắc chắn theo các hướng chính sau. sự phân cấp chỉ ra rằng một đối tượng bất kỳ của gói bưu kiện có 70% khả năng thuộc về gói thông thường trong khi chỉ có 30% thuộc về gói ưu tiên. Và các giá trị như thế có thể là mờ và không chắc chắn. ĐẠI HỌC ĐÀ NẴNG .2010 được đo và được tính toán một cách chắc chắn.SỐ 6(41).7 0. 6.5 Thư 0. không đầy đủ mà thường gọi là thông tin mơ hồ. Trong hình dưới đây chúng tôi trình bày một ví dụ đơn giản về sự kế thừa của các lớp gói bưu kiện trong mô hình đó. điều này không còn hoàn toàn đúng với thực tế vì khi thao tác với dữ liệu thông tin về các đối tượng không chắn chắn. Yazici. 1999b. 1999a. George và Aksoy 1999). Buckles và Petry. Chẳng hạn. Các giá trị số trong khoảng [0. hộp} và {gói ưu tiên. Bưu kiện If 0.

lớp được định nghĩa bởi một tập tính chất được diễn dịch như các vị từ mờ kết hợp với một khoảng xác suất biểu diễn khả năng áp dụng không chắc chắn của chúng đối với lớp. Trong mô hình này. Các tác giả cũng đã phát triển một ngôn ngữ truy vấn để thao tác chọn các đối tượng thỏa một xác suất được kết hợp với các truy vấn. Bao hàm và phân cấp lớp mờ đã được định nghĩa trên cơ sở logic mờ và lý thuyết khả năng. Tuy nhiên. Mô hình dựa trên đại số gia tử [1][2][3][4] Như trình bày ở trên. Ngoài ra. Mô hình dựa trên cơ sở logic [8] Cao và Rossiter (2003) đã đề nghị một mô hình CSDL HĐT xác suất mờ trên cơ sở logic. thừa kế chỉ được xem xét khi quan hệ lớp thực sự là quan hệ lớp cha lớp con. Mô hình dựa trên đồ thị [5][6] Bordogna. Mức độ thành viên mờ của các đối tượng được xác định thông qua mức độ bao hàm lớp và mức độ bao hàm giá trị thuộc tính của đối tượng trong miền giá trị thuộc tính tương ứng của lớp. Tuy nhiên. Mô hình dựa trên lý thuyết xác suất [7] Đây là mô hình được nhóm tác giả Kornatzky và Shimony đề xuất năm 1994. chúng không biểu diễn được các hành vi và thao tác của các đối tượng trong thực tế. lớp được định nghĩa như một tập các thuộc tính mà giá trị của chúng có thể kết hợp với một phân bố xác suất.SỐ 6(41). Tuy nhiên. các nhóm tác giả (Rossazza. Martin và Pilsworth (1995). thừa kế không chắc chắn cũng chưa được xem xét. ĐẠI HỌC ĐÀ NẴNG . Berzal và cộng sự 2005a. Van Gyseghem và De Caluwe 1997.TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ. 2005b) đã định nghĩa lớp như một tập thuộc tính mà giá trị cũng như miền giá trị của thuộc tính có thể là các tập mờ. bao hàm các lớp con trong lớp cha được biểu diễn bởi các tập mờ. Marin. Tuy nhiên.2010 nghị. Thao tác dữ liệu được thực hiện nhờ cơ chế suy luận trên các sự kiện mờ trong Balwin. Lược đồ được định nghĩa như một tập các lớp có phân cấp kết hợp với xác suất có điều kiện để một đối tượng của một lớp thuộc về lớp con của nó. trong đó giá trị thuộc tính được biểu diễn bởi các phân bố khả năng. Trong đó. các hướng tiếp cận cho mô hình CSDL HĐT với thông tin 65 . Mỗi tính chất đối tượng có thể nhận một giá trị tập mờ với một xác suất thuộc về khoảng xác suất được suy dẫn từ mức độ áp dụng của nó đối với đối tượng. khả năng áp dụng của các tính chất lớp là chắc chắn. Lucarella và Pari (1994) đã đề nghị một mô hình CSDL HĐT dựa trên đồ thị. Pons và Vila 2001. Mô hình dựa trên logic mờ và lý thuyết khả năng [9][10] Trong mô hình này. Một ngôn ngữ truy vấn đối tượng dựa trên các độ đo khả năng đã được đề nghị cho mô hình này. trong mô hình này các phương thức lớp chưa được quan tâm. các mô hình này chưa quan tâm đến các phương thức của đối tượng. trong mô hình này không cho phép giá trị thuộc tính mờ và chưa quan tâm đến phương thức lớp. Quan hệ kế thừa chỉ được xem xét giữa lớp con và lớp cha trong khi đa thừa kế không được đề cập. Nghĩa là. Duboi và Prade 1997.

.SỐ 6(41). Các nghiên cứu tập trung vào các vấn đề sau: Biển diễn giá trị thuộc tính không chắc chắn hoặc không chính xác của các đối tượng. độ đo ngữ nghĩa và các quan hệ đối sánh của chúng để đưa ra một số phép toán đại số. chúng tôi xem các giá trị trên miền của thuộc tính đối tượng là một cấu trúc ĐSGT và các giá trị này được sinh ra từ hai phần tử dương và âm trong ĐSGT.TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ. chúng tôi xem mỗi phương thức được biểu diễn như một hàm thao tác trên các giá trị tập mờ của thuộc tính đối tượng. xấp xỉ theo phân hoạch. mô hình CSDL HĐT với thông tin mờ và không chắc chắn theo hướng tiếp cận đại số gia tử được đề xuất và tập trung nghiên cứu. Theo hướng tiếp cận này. Vì lý do đó. Chúng tôi đã đề xuất các phương pháp xây dựng các phép toán cho việc xử lý giá trị thuộc tính đối tượng [5]. 7. 1]. không chính xác về các đối tượng thực tế. Trên mô hình này.Tập trung nổ lực vào việc lựa chọn độ đo tính mờ của các gia tử và chúng trở thành hệ tham số của cách tiếp cận.Việc tổ chức lưu trữ và thao tác dữ liệu trở nên đơn giản. trực quan hơn bởi vì khi ta có một giá trị ngôn ngữ có nghĩa là xác định được một đoạn con của [0. Biểu diễn và thực thi các phương thức lớp. trong các mô hình đề xuất đó còn rất nhiều hạn chế. Kết luận Trong bài báo. . Tuy nhiên. Theo hướng tiếp cận này có các ưu điểm: .2010 mờ và không chắc chắn cũng đã chứng tỏ được khả năng mô hình hóa thông tin mờ. Chúng tôi đã nhận xét ưu điểm của việc xây dựng mô hình CSDL HĐT với thông tin mờ và không chắc chắn theo cách tiếp cận ĐSGT. bằng nhau theo ngưỡng. khi tác động các gia tử vào các từ sẽ tạo ra một phân hoạch mịn hơn. đối với phương thức lớp đối tượng và các mối quan hệ trong mô hình CSDL HĐT với thông tin mờ và không chắc chắn sẽ được chúng tôi trình bày trong các bài báo tiếp theo. tích hợp nhiều đại số gia tử để thực hiện việc thao tác và truy vấn dữ liệu trên mô hình CSDL HDT với thông tin mờ và không chắc chắn [5]. truy vấn trên các kiểu mờ thành các thao tác. Mô hình hóa các quan hệ lớp và định nghĩa mức độ thành viên không chắc chắn của các đối tượng. Mô hình hóa khả năng áp dụng không chắc chắn của thuộc tính và phương thức lớp. truy vấn trên tập cổ điển thông qua tính toán lân cận tương tự. chúng tôi phân tích ngữ nghĩa của các phép toán như độ đo tính mờ. Ngoài ra. ĐẠI HỌC ĐÀ NẴNG . phân hoạch dựa trên độ đo tính mờ. Trong mô hình này. độ đo ngữ nghĩa và các quan hệ đối sánh của chúng. chúng tôi đã đề cập đến việc nghiên cứu mô hình CSDL HĐT với thông tin mờ và không chắc chắn theo cách tiếp cận ĐSGT.Chuyển các thao tác. 66 . chúng tôi dựa trên tính toán lân cận tương tự.

.M. 2000. and Lucarella D. Pasi G.P. V. 2005. In Ma. 623-651. and Petry. 15-24. on Fuzzy Information Processing. In Proceedings og the 8th International conference on Fuzzy Systems. R. Pasi G. A framework to biuld fuzzy objectoriented capabilities over an existing database system.. T. [6] Bordogna G. 15. Toward soft computing objectoriented logic programming. Buckles. Ho. Ide Group Publishing. p105-112. Z. Ide Group Publishing.A. Quantifying Hedge Algebras and Interpolation Methods in Approximate Reasoning. [4] Đoàn Văn Thắng. [7] Biazzo. [3] Nguyễn Cát Hồ. Z. F. 2005a. R. Conf..1-45. Đại học Đà Nẵng 2010.E. Hệ mờ. 921-939... [2] N. Cao. Tạp chí tin học và điều khiển học.F. Tạp chí Khoa học và Công nghệ..S.P.SỐ 6(41). Truy vấn dự liệu với thông tin mờ và không chắc chắn trong cơ sở dữ liệu hướng đối tượng. A Fuzzy object-oriented data model. [9] Berzal. of the 5th Inter. A constraint based fuzzy object-oriented database model.. 67 . and George. San Antonio. International Journal of Intelligent Systems 14 (1999).C. mạng noron và ứng dụng. Vila M.TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ. NXB Khoa học kỹ thuật 2001. Lukasiewiez T. [11] George. Subrahmanian. 2002.. [10] De Tre... V.. Martin N. 768-773. 10-20. 37-74. 113-210. A Fuzzy object-oriented data model managing vague and uncertain information. IEEE Transaction on Knowledge and Engineering. Physica-Verlag. Proc. USA 1994. International Journal of Fuzzy Sets and Systems. USA. [8] Baldwin. NewYork. March 1-4 (2003). 1999b. R. (E. G.H.. Studies in Fuzziness and Soft Computing. J. (E. A. Về khoảng cách giữa các giá trị của biến ngôn ngữ trong đại số gia tử. Martin.d): Advances in Fuzzy Object-Oriented Database: Modeling and Application. Pons O. and Lucarella D. 313-318. B. Logical database models for uncertain data: Fuzzy database modelling. T11 S1 (1995). 26.. Rossiter J. Beijing. In Ma. De Caluwe.. Lý thuyết tập mờ và công nghệ tính toán mềm.. 60.. Giugno R.2010 TÀI LIỆU THAM KHẢO [1] Nguyễn Cát Hồ...117-205. In Proceeding ot the 3rd IEEE International Conference on Fuzzy Systems. 1993.. Temporal probabillistic object bases. [12] Yazici. Trần Thái Sơn. ĐẠI HỌC ĐÀ NẴNG . 259-272. [5] Bordogna G. Modelling class hierarchies in the fuzzy object-oriented data model. F. T. 1.d): Advances in Fuzzy Object-Oriented Database: Modeling and Application.

Sign up to vote on this title
UsefulNot useful