Đang tải... (xem toàn văn)
MÔ HÌNH CƠ SỞ DỮ LIỆU HƯỚNG ĐỐI TƯỢNG MỜ Sự kết hợp thông tin mờ trong các mô hình cơ sở dữ liệu đã trở thành một chủ đề nghiên cứu cơ sở dữ liệu quan trọng bởi vì thông tin như vậy thực tế tồn tại trong các ứng dụng tri thức và dữ liệu, trong đó dữ liệu mờ đóng vai trò là đầu vào về bản chất. Đã có nhiều tiếp cận khác nhau trong việc biểu diễn và xử lý dữ liệu mờ trong ngữ cảnh của cơ sở dữ liệu.
ĐẠI HỌC HUẾ TRƯỜNG ĐẠI HỌC KHOA HỌC KHOA CÔNG NGHỆ THÔNG TIN TIỂU LUẬN MÔN HỌC: LOGIC MỜ VÀ ỨNG DỤNG Đề tài: MƠ HÌNH CƠ SỞ DỮ LIỆU HƯỚNG ĐỐI TƯỢNG MỜ Giảng viên: TS Nguyễn Công Hào Thực hiện: Nhóm Trần Mừng Nguyễn Thị Tố Châu Nguyễn Văn Đức Hoàng Minh Đức Phạm Thị Mỹ Linh Huế, Tháng 12 Năm 2011 MỤC LỤC MỞ ĐẦU NỘI DUNG .4 1.Giới thiệu Mơ hình sở liệu hướng đối tượng mờ (FOOD) .6 2.1 Tính khơng chắn mức thuộc tính 2.2 Tính khơng chắn mức đối tượng/lớp: .8 2.3 Tính khơng chắn mức Lớp cha/Lớp .13 .14 Ta có định nghĩa khoảng giá trị độ phù hợp thuộc tính sau: 15 rngSites(Location)={sw, ssw} 15 RLV(Location,Sites)=0.7 15 rngSites(Temperature)={normal, mild} 15 RLV(Temperature,Sites)=0.3 15 rngForest(Location)={s} .15 rngForest(Temperature)={low, normal} .15 Ta tính độ bao hàm thuộc tính sau: 15 INC(rngSites(Location)/rngForest(Location))=Min[Max(µS(sw,s),Max(µS(ssw,s))]=Min[0 5,1.0]=0.5 15 INC(rngSites(Temperature)/rngForest(Temperate))=Min[Max(µS(normal,low), .15 µS(normal,normal)),Max(µS(mild,low),µS(mild,normal))]=Min[Max(1,0.4), 15 Max(0.4,0.6)]=0.6 .15 Áp dụng cơng thức tính độ thuộc lớp Forest vào lớp Sites, ta có: 15 µSites(Forest)=[INC(rngSites(Location)/rngForest(Location))*RLV(Location,Sites) 15 +INC(rngSites(Temperature)/rngForest(Temperature))*RLV(Temperature,Sites)] 15 /[RLV(Location,Sites)+RLV(Temperature,Sites)]=0.5*0.7+0.6*0.3=0.53 .15 Kết luận 16 TÀI LIỆU THAM KHẢO .17 MỞ ĐẦU Sự kết hợp thơng tin mờ mơ hình sở liệu trở thành chủ đề nghiên cứu sở liệu quan trọng thông tin thực tế tồn ứng dụng tri thức liệu, liệu mờ đóng vai trị đầu vào chất Đã có nhiều tiếp cận khác việc biểu diễn xử lý liệu mờ ngữ cảnh sở liệu Các mơ hình sở liệu mờ chủ yếu nghiên cứu mơ hình quan hệ Tuy nhiên mơ hình sở liệu quan hệ kinh điển mở rộng mờ khơng làm thỏa mãn nhu cầu mơ hình hóa đối tượng phức tạp với thơng tin khơng xác khơng chắn Mơ hình sở liệu hướng đối tượng biểu diễn cấu trúc đối tượng phức tạp mà khơng có phân mảnh liệu tổng hợp mối quan hệ mơ hình phức tạp thuộc tính Các nỗ lực nghiên cứu tập trung vào việc mở rộng sở liệu hướng đối tượng để xử lý đối tượng phức tạp với thơng tin khơng xác khơng chắn Đã có nhiều mơ hình sở liệu hướng đối tượng mờ đề xuất ba mươi năm qua, nhiều kết thu lĩnh vực Một số vấn đề chủ yếu liên quan đến mơ hình nghiên cứu bao gồm: truy vấn xử lý liệu, chuẩn hóa phụ thuộc liệu mơ hình sở liệu hướng đối tượng, lập mục, thiết kế thực thi…Tiểu luận tập trung trình bày số khía cạnh mơ hình sở liệu hướng đối tượng mờ (FOOD) 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 khơng tránh khỏi thiếu sót, mong nhận góp ý Thầy anh chị em học viên lớp để tiểu luận hồn thiện NHĨM NỘI DUNG 1.Giới thiệu Các mơ hình liệu kinh điển thường khơng có khả biểu diễn thao tác thơng tin khơng xác khơng chắn mà xuất nhiều ứng dụng giới thực Kể từ đầu năm 1980, lý thuyết logic mờ Zadeh sử dụng để mở rộng nhiều mơ hình liệu khác Mục đích việc giới thiệu logic mờ sở liệu để nâng cao mơ hình kinh điển cho thông tin không chắn khơng xác biểu diễn thao tác Điều dẫn đến nhiều đóng góp, chủ yếu mơ hình quan hệ dạng liên quan Ngồi tiến nhanh chóng khả tính tốn máy tính mang lại hội cho sở liệu ứng dụng lên (ví dụ, CAD / CAM, đa phương tiện GIS) Các ứng dụng địi hỏi cách đặc trưng việc mơ hình hóa thao tác đối tượng phức tạp mối quan hệ ngữ nghĩa Người ta chứng minh mơ hình hướng đối tượng tốt với u cầu Vì mơ hình sở liệu quan hệ kinh điển phần mở rộng mờ khơng đáp ứng nhu cầu mơ hình hóa đối tượng phức tạp với thiếu xác khơng chắn, nhiều nghiên cứu tập trung vào mơ hình sở liệu hướng đối tượng mờ để xử lý đối tượng phức tạp với thông tin không chắn Hơn ba mươi năm qua, có nhiều nghiên cứu lĩnh vực mơ hình hóa sở liệu mờ thu nhiều lợi ích kết to lớn Nhiều mơ hình sở liệu mờ hướng đối tượng đề xuất, số vấn đề liên quan đến mơ hình nghiên cứu Dưới số mơ hình sở liệu hướng đối tượng mờ đề xuất - Mơ hình FOOD dựa ODMG Sự mở rộng ngữ nghĩa cú pháp mơ hình đối tượng ODMG đề xuất để xử lý đối tượng mờ vấn đề liên quan Cho đến FODMG quan tâm, hình thành hợp tác nghiên cứu nhà nghiên cứu CSDL mờ để xây dựng khái niệm thuật ngữ chung, hình thức hóa tích hợp nghiên cứu lĩnh vực CSDL HĐT mờ Tre, Caluwe Cruyssen đề xuất framework để kết hợp tính khơng chắn vào CSDL HĐT Framework phát triển cách tích hợp khía cạnh khác từ CSDL HĐT tiêu chuẩn thực tế ODMG lý thuyết đại số dựa ràng buộc - Mô hình CSDL ngữ nghĩa mờ Có nhiều đề xuất cho mơ hình trình bày kỹ thuật để hình thức hóa khái niệm hóa ngữ nghĩa tính mờ giới thực theo cách chấp nhận suy luận nhận thức người, biểu diễn mơ hình hóa mờ không chắn mức độ khác mơ hình hóa hướng đối tượng - Mơ hình dựa đồ thị mờ Mơ hình biểu diễn đối tượng mối quan hệ mờ đồ thị Miền giá trị mờ thuộc tính, quan hệ suy luận mờ, thể mờ mối quan hệ mối quan hệ mờ IS-A giải thích thể để tạo mơ hình - Mơ hình CSDL HĐT mờ thơng minh Có nhiều đề xuất cho mơ hình này, liên quan đến biểu diễn tri thức dựa tính tốn với từ; xử lý mờ mức thuộc tính, đối tượng/lớp, lớp/siêu lớp liên kết khác lớp - Mô hình dựa tập thơ Có hai đề xuất cho mơ hình này, thứ mơ hình dựa hệ thống kiểu đại số ràng buộc định nghĩa cách hình thức Mơ hình dự liệu hữu ích việc biểu diễn thực thể liệu không gian mối quan hệ chúng Thứ hai, tiếp cận tích hợp khơng chắn vào sở liệu sử dụng quan hệ không phân biệt xấp xĩ lý thuyết tập thơ - Mơ hình dựa UFO (Uncertainty and Fuzziness in an Object-oriented) Mơ hình cung cấp khả ngữ nghĩa nâng cao mơ hình hướng đối tượng để hỗ trợ khơng xác thơng tin Sự khơng xác thơng tin giải phân bố khả mơ hình hóa cách sử dụng khái niệm đối tượng vai trò Các đối tượng vai trò mơ hình hóa thơng tin khơng xác vai trị khơng xác Mơ hình sở liệu hướng đối tượng mờ (FOOD) Mơ hình FOOD đề xuất lần mơ hình liệu dựa tương tự (similitary-based) Có tiếp cận khác Yazici, R George D.Aksoy mở rộng mơ hình để biểu diễn tốt tính khơng chắn Mơ hình FOOD sử dụng tiếp cận sử dụng mơ hình liệu logic Phần trình bày tóm tắt mơ hình FOOD Mơ hình FOOD ý đến việc biểu diễn thông tin mơ hồ, hay nói cách khác mờ FOOD thể ba mức: mức thuộc tính, mức đối tượng/lớp mức lớp cha/lớp 2.1 Tính khơng chắn mức thuộc tính FOOD giải ba kiểu tính khơng chắn cấp thuộc tính: a Kiểu thứ kiểu không đầy đủ xảy giá trị thuộc tính xác định khoảng giá trị Ví dụ, Số lượng khán giả xem trận bóng đá vào khoảng 10000-20000 người Kiểu khơng chắn gọi "không đầy đủ." b Kiểu không chắn thứ hai xảy giá trị thuộc tính chưa biết (unk), khơng tồn (dne) khơng có thơng tin giá trị thuộc tính có tồn hay khơng (ni) Ví dụ, mơ tả video chưa biết (unk), mơ tả cho video khơng tồn (dne) khơng biết liệu mơ tả cho video có tồn hay khơng (ni) Kiểu không chắn gọi "Null" c Kiểu thứ ba tính khơng chắn xảy giá trị thuộc tính xác định cách mơ hồ Kiểu không chắn gọi "mờ" Ví dụ, điều kiện thời tiết trận đấu bóng đá đặc tả với thuật ngữ mờ "rất nóng" Mỗi thuộc tính mờ có miền giá trị (domain - tập hợp giá trị mà thuộc tính lấy) độc lập với lớp Mỗi miền trị bao gồm giá trị ngôn ngữ gọi từ ngữ mờ (fuzzy term) Phạm vi (range) thuộc tính mờ tập miền trị thuộc tính đó, biểu diễn giá trị lý tưởng mà lấy thuộc tính lấy giá trị từ miền trị FOOD cho phép định nghĩa độ phù hợp thuộc tính mờ, số thực phản ánh tầm quan trọng định nghĩa phạm vi thuộc tính mờ việc xác định ranh giới lớp Phạm vi phù hợp sử dụng để tìm độ thuộc đối tượng vào lớp nó, độ thuộc lớp vào lớp cha Chúng giống cho thể lớp Một mối quan hệ tương tự hay quan hệ tương đương mờ, biểu diễn ma trận tương tự, sở cho mơ hình FOOD dựa tương tự (similarity-based) Một ma trận tương tự định nghĩa tương tự cặp phần tử miền trị mờ Một ví dụ ma trận tương tự thuộc tính mờ tuổi đưa Bảng 2.1 Miền trị thuộc tính tuổi {rất già, già, trẻ, trẻ, trẻ con} Bảng 2.1: Ma trận tương tự thuộc tính mờ tuổi Tuổi Rất già Già Trẻ Rất trẻ Trẻ Rất già 1.0 0.7 0.0 0.0 0.0 Già 0.7 1.0 0.0 0.0 0.0 Trẻ 0.0 0.0 1.0 0.8 0.1 Rất trẻ 0.0 0.0 0.8 1.0 0.3 Trẻ 0.0 0.0 0.1 0.3 1.0 Thuộc tính mờ thuộc tính đa trị; đó, nhận tập giá trị giá trị nối kết thành phần ngữ nghĩa AND, OR, XOR Các biểu diễn sau sử dụng cho thuộc tính đa trị: Tồn tử Biểu logic diễn AND OR {…} XOR […] Giả sử thuộc tính thời tiết, có miền giá trị {có mây, nắng, dịu mát, lạnh, nóng, có mây} Biểu diễn sau hợp lệ: AND: Giá trị thuộc tính thời tiết , có nghĩa thời tiết có nhiều mây lạnh OR: Giá trị thuộc tính thời tiết {dịu mát, nóng}, có nghĩa thời tiết ơn hịa nóng, hai XOR: Giá trị thuộc tính thời tiết [nóng, lạnh], có nghĩa thời tiết nóng lạnh, hai.Ở đây, ý nghĩa thành phần ngữ nghĩa XOR khác với toàn tử logic XOR Trong mơ hình FOOD, ngữ nghĩa xác định định nghĩa phạm vi thuộc tính mờ Ví dụ, xem xét lớp C có thuộc tính a, b c Các định nghĩa phạm vi sau: rngc(a) = {a1, a2, a3} domc(a) = {a1, a2, a3, a4, a5, …, ak} ngữ nghĩa OR rngc(b) = domc(b) = {b1, b2, b3, b4, b5, …, bk} ngữ nghĩa AND rngc(c) = [c1, c2, c3] domc(c) = {c1, c2, c3, c4, c5, …, ck} ngữ nghĩa XOR 2.2 Tính khơng chắn mức đối tượng/lớp: Tính khơng chắn mức đối tượng/lớp đề cập đến tồn tính thuộc phần đối tượng đến lớp Trong mơ hình FOOD, ranh giới lớp khơng chắn có thuộc tính mờ Phạm vi thuộc tính mờ cho thấy biết giá trị lý tưởng cho thuộc tính Vì thuộc tính mờ lấy giá trị từ miền trị định nghĩa phạm vi nó, số đối tượng phần tử đầy đủ lớp chúng với độ thuộc số đối tượng phần tử lớp với độ thuộc thay đổi Các giá trị thuộc tính mờ đối tượng xác định độ thuộc đối tượng đến lớp Giá trị thuộc tính mờ đối tượng đối gần với định nghĩa phạm vi, độ thuộc đối tượng cao Mức độ phù hợp tương tự giá trị thuộc tính mờ định nghĩa phạm vi chúng xác định độ thuộc đối tượng đến lớp Để tìm độ thuộc đối tượng oj vào lớp C, sử dụng công thức sau đây: Trong công thức: - INC (rngC (ai) / oj (ai)) độ bao hàm giá trị thuộc tính phạm vi Việc tính tốn độ bao hàm phụ thuộc vào ngữ nghĩa thuộc tính mà số ngữ nghĩa AND, OR, XOR - RLV (ai, C) độ phù hợp thuộc tính Trung bình trọng số sử dụng để tính tốn độ thuộc đối tượng Cơng thức bao hàm thuộc tính mờ: Việc tính tốn độ bao hàm ngữ nghĩa khác giải thích đây: – Ngữ nghĩa AND: Ngữ nghĩa AND mạnh yêu cầu tất giá trị xuất lúc Công thức ngữ nghĩa AND sau: INC(rngC(ai)/oj(ai))= Min[Min[Max(µS(x,y))],Min[Max(µS(z,w)]], ∀x ∈ rngC(ai), ∀y ∈ oj(ai), ∀z ∈ oj(ai), ∀w ∈ rngC(ai) Ví dụ: Xét lớp nhân viên định nghĩa sau: class Nhanvien { FuzzyInteger tuoi; FuzzyString maumat; public nhanvien(tuoi){} } Cho độ phù hợp thuộc tính, định nghĩa khoảng giá trị thuộc tính tuổi giá trị đối tượng thuộc tính tuổi sau : RLV(tuoi,Nhanvien)=0.8, RLV(maumat, Nhanvien)=0.2 rngNhanvien(tuoi)= o1(tuoi)= o2(tuoi)= Ma trận tương tự thuộc tính mờ tuổi cho bảng Tuoi Rat gia Gia Tre Rat tre Tre Rat gia 1.0 0.7 0.0 0.0 0.0 Gia 0.7 1.0 0.0 0.0 0.0 Tre 0.0 0.0 1.0 0.8 0.1 Rat tre 0.0 0.0 0.8 1.0 0.3 Tre 0.0 0.0 0.1 0.3 1.0 - INC(rngnhanvien(tuoi)/o1(tuoi))= Min[Min[Max(µS(gia,tre), µS(gia, gia)), 10 Max(µS(rat gia, tre), µS(rat gia, gia))], Min[Max(µS(tre, gia), µS(tre, rat gia)), Max(µS( gia, gia), µS(gia, rat gia))]]=Min[Min[Max(0,1),Max(0,0.7)],Min[Max(0, 0)),Max(1,0.7)]]=0 - INC(rngnhanvien(tuoi)/o2(tuoi))= Min[Min[Max(µS(gia,gia), Max(µS(rat gia, gia)], Min[Max(µS(gia, gia), Max(µS(gia, rat gia)]]=Min[Min[Max(1), Max(0.7)], Min[Max(1), Max(0.7)]]=0.7 2- Ngữ nghĩa OR: Khi giá trị thuộc tính trở nên khác nhiều hơn, độ không chắn tăng lên Công thức ngữ nghĩa OR sau: INC(rngC(ai)/oj(ai)) = Min[Max(µS(x,z)),Threshold(oj(ai))], ∀x ∈ oj(ai),∀z ∈ rngC(ai) Ở đây, giá trị ngưỡng chứng tỏ mức tương tự tối thiểu giá trị thuộc tính xây dựng sau: Threshold(oj(ai)) = Min[µS(x,z)], ∀x,∀z ∈ oj(ai) Ví dụ: Xét lớp nhân viên ma trận tương tự xét trên, định nghĩa khoảng giá trị thuộc tính tuổi giá trị hai đối tượng o1, o2 thuộc tính tuổi sau: rngnhanvien(tuoi)={gia, rat gia} o1(tuoi)={tre, gia} o2(tuoi)={gia} - Threshold(o1(tuoi)) = Min[µS(tre,tre), µS(gia,tre), µS(gia,gia)]=Min[1,0,1]=0 - Threshold(o2(tuoi)) = - INC(rngnhanvien(tuoi)/o1(tuoi))= Min[Max(µS(tre,gia), µS(tre,rat gia), µS(gia,gia), µS(gia,rat gia)),Threshold(o1(tuoi))]=Min[Max(0,0,1, 0.7),0]=0 - INC(rngnhanvien(tuoi)/o2(tuoi))= 11 Min[Max(µS(gia,gia),µS(gia,ratgia)),Threshold(o2(tuoi))]=Min[Max(1,0.7),1]=1 3- Ngữ nghĩa XOR: Với ngữ nghĩa XOR, có giá trị thuộc tính tồn thời điểm Giả sử xác suất cho giá trị thuộc tính, cơng thức ngữ nghĩa XOR sau: INC(rngC(ai)/oj(ai)) = Avg[Max(µS(x,y))], ∀x ∈ oj(ai),∀y ∈ rngC(ai) Ví dụ: Xét lớp nhân viên ma trận tương tự xét trên, định nghĩa khoảng giá trị thuộc tính tuổi giá trị hai đối tượng o 1, o2 thuộc tính tuổi sau: rngnhanvien(tuoi)=[gia, rat gia] o1(tuoi)=[tre, gia] o2(tuoi)=[gia] - INC(rngnhanvien(tuoi)/o1(tuoi))= Avg[Max(µS(tre,gia), µS(tre,rat gia)),Max( µS(gia, gia), µS(gia,rat gia))]= Avg[Max(0,0), Max(1,0.7)]=0.5 - INC(rngnhanvien(tuoi)/o2(tuoi))= Công thức Bao hàm thuộc tính khơng đầy đủ Miền trị phạm vi thuộc tính khơng đầy đủ định nghĩa cách sử dụng khoảng giá trị biểu diễn hai giá trị {100 - 10000} Xem xét giá trị thuộc tính khơng đầy đủ, có năm trường hợp để tính tốn độ bao hàm giá trị phạm vi thuộc tính Những trường hợp liệt kê đây: R [R1 R2] phạm vi thuộc tính V [V1 V2] giá trị thuộc tính D [D1 D2] miền trị thuộc tính - Giá trị thuộc tính nằm bên biên phạm vi thuộc tính Trong trường hợp này, độ bao hàm 12 INC(rngC(ai)/oj(ai)) = 1, R2 ≥ V2 > V1 ≥ R1 - Giá trị thuộc tính bên ngồi phạm vi thuộc tính Trong trường hợp này, độ bao hàm INC(rngC(ai)/oj(ai)) = 0, R1 > V2 > V1 ≥ D1 or D2 ≥ V2 > V1 > R2 - Phạm vi thuộc tính tập hợp giá trị thuộc tính Trong trường hợp này, độ bao hàm tính tốn sử dụng cơng thức sau để tính: INC(rngC(ai)/oj(ai)) = (R2 - R1 + 1) / (V2 - V1 + 1), đo V2 ≥ R2 > R1 ≥ V1 - Phạm vi giá trị thuộc tính giao phía phạm vi Trong trường hợp này, độ bao hàm sử dụng công thức sau để tính: INC(rngC(ai)/oj(ai)) = (V2 - R1 + 1) / (V2 - V1 + 1), where R2 ≥ V2 ≥ R ≥ V1 - Phạm vi giá trị thuộc tính giao phía phạm vi Trong trường hợp này, độ bao hàm sử dụng cơng thức sau để tính: INC(rngC(ai)/oj(ai)) = (R2 - V1 + 1) / (V2 - V1 + 1), where V2 ≥ R2 ≥ V1 ≥ R1 2.3 Tính khơng chắn mức Lớp cha/Lớp Sự không chắn cấp lớp cha/lớp đề cập đến tồn tính thuộc phần lớp đến lớp cha Kiểu khơng chắn cho thấy tính mờ xuất phân cấp kế thừa lớp thừa kế lớp khơng xây dựng cách xác số trường hợp Độ thuộc lớp C vào lớp cha Ci tính theo cơng thức sau đây: Trong đó: INC = Min(Max[µS(x,y)]), ∀x ∈ rngci(ai), ∀y ∈ rngc(ai), 13 Ví dụ: Ta tính độ phụ thuộc lớp Forest vào lớp Sites, ma trận tương tự thuộc tính Location, Temperature cho bảng bên Hình Mối quan hệ IS-A lớp Forest lớp Sites Bảng Ma trận tương tự thuộc tính Temperature Bảng Ma trận tương tự thuộc tính Location 14 Ta có định nghĩa khoảng giá trị độ phù hợp thuộc tính sau: rngSites(Location)={sw, ssw} RLV(Location,Sites)=0.7 rngSites(Temperature)={normal, mild} RLV(Temperature,Sites)=0.3 rngForest(Location)={s} rngForest(Temperature)={low, normal} Ta tính độ bao hàm thuộc tính sau: INC(rngSites(Location)/rngForest(Location))=Min[Max(µS(sw,s),Max(µS(ssw,s))]= Min[0.5,1.0]=0.5 INC(rngSites(Temperature)/rngForest(Temperate))=Min[Max(µS(normal,low), µS(normal,normal)),Max(µS(mild,low),µS(mild,normal))]=Min[Max(1,0.4), Max(0.4,0.6)]=0.6 Áp dụng cơng thức tính độ thuộc lớp Forest vào lớp Sites, ta có: µSites(Forest)=[INC(rngSites(Location)/rngForest(Location))*RLV(Location,Sites) +INC(rngSites(Temperature)/rngForest(Temperature))*RLV(Temperature,Sites)] /[RLV(Location,Sites)+RLV(Temperature,Sites)]=0.5*0.7+0.6*0.3=0.53 15 Kết luận Mơ hình sở liệu hướng đối tượng xem tốt so với mơ hình sở liệu quan hệ mơ hình khác, việc tăng nhu cầu tiếp cận để xử lý liệu phức tạp, mối quan hệ phức tạp ứng dụng liệu lớn Mơ hình CSDL phù hợp với ứng dụng đại CAD/CAM, GIS, VLSI…Trong ứng dụng nhiều kiểu thơng tin khơng xác tồn Do thông tin không đầy đủ mơ hồ chấp nhận nên cần sử dụng kỹ thuật mờ để thao tác biểu diễn thơng tin Việc tích hợp kỹ thuật mờ vào sở liệu khiến cho hệ thống gần với hoạt động người Tiểu luận tập trung mô tả khía cạnh chủ yếu mơ hình FOOD mà dựa quan hệ tương tự Trong mơ hình này, tính mờ xuât ba mức: thuộc tính, đối tượng/lớp lớp/siêu lớp Ở mức thuộc tính, có ba kiểu khơng chắn giá trị thuộc tính Mức đối tương/lớp thể mối quan hệ đối tượng với lớp với độ thuộc Mức lớp cha/lớp đề cập đến tính thuộc phần lớp vào lớp cha Cùng với mơ tả chi tiết mức trên, tiểu luận dẫn cơng thức, ví dụ xử lý tính mờ mức tính độ thuộc đối tượng vào lớp, độ thuộc lớp vào lớp cha 16 TÀI LIỆU THAM KHẢO [1] Z M Ma, Li Yan, A Literature Overview of Fuzzy Database Models, Journal Of Information Science And Engineering 24, 189-202 (2008) [2] Nezihe Burcu Özgür, An Intelligent Fuzzy Object-Oriented Database Framework For Video Database Applications, 2007 17 ... xử lý liệu mờ ngữ cảnh sở liệu Các mơ hình sở liệu mờ chủ yếu nghiên cứu mơ hình quan hệ Tuy nhiên mơ hình sở liệu quan hệ kinh điển mở rộng mờ khơng làm thỏa mãn nhu cầu mơ hình hóa đối tượng. .. lợi ích kết to lớn Nhiều mơ hình sở liệu mờ hướng đối tượng đề xuất, số vấn đề liên quan đến mơ hình nghiên cứu Dưới số mơ hình sở liệu hướng đối tượng mờ đề xuất - Mơ hình FOOD dựa ODMG Sự mở rộng... cứu tập trung vào mô hình sở liệu hướng đối tượng mờ để xử lý đối tượng phức tạp với thông tin không chắn Hơn ba mươi năm qua, có nhiều nghiên cứu lĩnh vực mơ hình hóa sở liệu mờ thu nhiều lợi