Luận án Một số phương pháp xử lý truy vấn mới trên cơ sở dữ liệu hướng đối tượng mờ

Tên luận án:

MỘT SỐ PHƯƠNG PHÁP XỬ LÝ TRUY VẤN MỚI TRÊN CƠ SỞ DỮ LIỆU HƯỚNG ĐỐI TƯỢNG MỜ

Ngành:

Ngành Máy tính, Chuyên ngành: Hệ thống thông tin (Mã số: 62 48 01 04)

Tóm tắt nội dung tài liệu:

Luận án tiến sĩ này tập trung vào việc phát triển các phương pháp xử lý truy vấn mới trên cơ sở dữ liệu hướng đối tượng mờ. Nhận thấy tính khả thi và hữu ích của toán học mờ trong nhiều lĩnh vực, đặc biệt là trong khoa học máy tính và trí tuệ nhân tạo, tác giả nhấn mạnh sự cần thiết của việc áp dụng toán học mờ vào các mô hình cơ sở dữ liệu truyền thống/hướng đối tượng để xử lý và lưu trữ thông tin không chắc chắn và không đầy đủ.

Mặc dù đã có nhiều mô hình cơ sở dữ liệu hướng đối tượng mờ được đề xuất, luận án chỉ ra rằng vẫn còn thiếu một định nghĩa kiến trúc chính thức, các phép toán đại số đối tượng mờ và ngôn ngữ truy vấn. Do đó, mục tiêu chính của luận án là đề xuất một đại số đối tượng mờ mới, kiến trúc xử lý truy vấn và phương pháp tối ưu hóa truy vấn dựa trên đại số đã đề xuất, kết hợp với các giải pháp như phép biến đổi tương đương và giải thuật Heuristic nhằm đảm bảo tính hệ thống và hoạt động hiệu quả hơn cho mô hình cơ sở dữ liệu hướng đối tượng mờ.

Luận án được cấu trúc thành ba chương chính. Chương 1 trình bày tổng quan về cơ sở dữ liệu hướng đối tượng mờ, bao gồm các khái niệm cơ bản của lý thuyết tập mờ, mô hình đối tượng mờ, và các vấn đề nghiên cứu liên quan. Chương 2 giới thiệu bốn thuật toán xử lý truy vấn mờ mới: FQSIMSC (Fuzzy Query Sim Single Condition), FQSIMMC (Fuzzy Query Sim Multi-Condition), FQSEM (Fuzzy Query SEM) và FQINTERVAL (Fuzzy Query Interval), nhằm tăng tính hiệu quả cho quá trình xử lý dữ liệu thông qua độ đo tương tự và kỹ thuật gom cụm dữ liệu cải tiến EMC. Thuật toán EMC được cải tiến bằng cách bổ sung bước (C) để tăng độ mềm dẻo và giảm tối ưu hóa cục bộ, đồng thời đề xuất phương pháp phân khoảng mờ dựa trên kết quả phân cụm. Chương 3 tập trung vào việc đề xuất các phép toán đại số đối tượng mờ mới (như phép chọn mờ, phép nối mờ, phép chiếu mờ, phép chia mờ, phép trừ mờ, phép hợp mờ và phép giao mờ) làm cơ sở xây dựng đại số truy vấn mờ. Đồng thời, luận án cũng phát triển thuật toán heuristic để tối ưu hóa truy vấn dựa trên các quy tắc của phép biến đổi tương đương.

Các kết quả thực nghiệm đã chứng minh rằng các phương pháp và thuật toán được đề xuất trong luận án mang lại hiệu suất xử lý truy vấn tốt hơn, nâng cao hiệu quả và giảm thời gian thực thi cũng như mức sử dụng bộ nhớ so với các phương pháp hiện có.

Mục lục chi tiết:

• MỞ ĐẦU

• Chương 1 TỔNG QUAN VỀ BÀI TOÁN XỬ LÝ TRUY VẤN TRÊN MÔ HÌNH CƠ SỞ DỮ LIỆU HƯỚNG ĐỐI TƯỢNG MỜ

  • 1.1 Giới thiệu bài toán

  • 1.2 Các nghiên cứu liên quan

    • 1.2.1 Mô hình CSDL HĐT mờ

    • 1.2.2 Tiền xử lý dữ liệu (đối sánh và gom cụm) cho mô hình CSDL HĐT mờ

    • 1.2.3 Xử lý và tối ưu hóa truy vấn mờ

  • 1.3 Các vấn đề nghiên cứu và giải pháp

    • 1.3.1 Biểu diễn thông tin không hoàn hảo trong mô hình khái niệm dữ liệu mờ

    • 1.3.2 Mô hình hóa UML của dữ liệu mờ

    • 1.3.3 Lớp mờ

    • 1.3.4 Tổng quát hóa mờ

    • 1.3.5 Kết tập mờ

    • 1.3.6 Mối kết hợp mờ

    • 1.3.7 Phụ thuộc mờ

  • 1.4 Ánh xạ mô hình dữ liệu UML mờ vào mô hình cơ sở dữ liệu hướng đối tượng mờ

    • 1.4.1 Mô hình cơ sở dữ liệu hướng đối tượng mờ (FOODB)

    • 1.4.2 Chuyển đổi biểu đồ lớp UML mờ

      • 1.4.2.1 Chuyển đổi các lớp

      • 1.4.2.2 Chuyển đổi quan hệ kết tập

      • 1.4.2.3 Chuyển đổi quan hệ kết hợp

      • 1.4.2.4 Chuyển đổi các quan hệ phụ thuộc

    • 1.4.3 Truy vấn mờ FOQL

  • 1.5 Giải pháp cho bài toán

  • 1.6 Kết luận chương 1

• Chương 2 CÁC PHƯƠNG PHÁP XỬ LÝ TRUY VẤN MỜ DỰA VÀO ĐỘ ĐO TƯƠNG TỰ VÀ GOM CỤM DỮ LIỆU

  • 2.1 Xử lý truy vấn mờ dựa vào độ đo tương tự

    • 2.1.1 So sánh tính tương tự của hai đối tượng mờ

      • 2.1.1.1 So sánh hai đối tượng dựa vào độ đo tương tự mờ

    • 2.1.2 Thuật toán xử lý truy vấn dựa vào độ đo tương tự

  • 2.2 Xử lý truy vấn mờ dựa vào kỹ thuật gom cụm dữ liệu và phân khoản mờ

    • 2.2.1 Thuật toán gom cụm cải tiến EMC sử dụng mô hình thống kê hỗn hợp GMM

    • 2.2.2 Đánh giá thuật toán EMC bằng phương pháp phân tích sự khác biệt giữa các nhóm

    • 2.2.3 Phân các khoảng mờ

      • 2.2.3.1 Xác định tâm

    • 2.2.4 Thuật toán xử lý truy vấn trên các cụm

  • 2.3 Xử lý truy vấn dựa vào đại số gia tử

  • 2.4 Đánh giá thực nghiệm

  • 2.5 Kết luận chương 2

• Chương 3 XỬ LÝ VÀ TỐI ƯU HÓA TRUY VẤN TRONG CƠ SỞ DỮ LIỆU HƯỚNG ĐỐI TƯỢNG MỜ

  • 3.1 Các phép toán đại số trong cơ sở dữ liệu hướng đối tượng mờ

    • 3.1.1 Đại số kết hợp mờ

    • 3.1.2 Mô hình đại số kết hợp các đối tượng mờ

    • 3.1.3 Các phép toán đại số kết hợp mờ

      • 3.1.3.1 Phép chiếu mờ (N)

      • 3.1.3.2 Phép chọn mờ

  • 3.2 Ngôn ngữ truy vấn mờ FOQL

    • 3.2.1 Truy vấn mờ FOQL

    • 3.2.2 Phương pháp xử lý truy vấn mờ

      • 3.2.2.1 Các bước của phương pháp

      • 3.2.2.2 Quy trình xử lý truy vấn mờ

      • 3.2.2.3 Cây truy vấn và đồ thị truy vấn

  • 3.3 Tối ưu hóa truy vấn mờ

    • 3.3.1 Các phép biến đổi tương đương

      • 3.3.1.1 Thuật toán tối ưu hóa truy vấn mờ

    • 3.3.1.2 Đánh giá thực nghiệm

  • 3.4 Kết luận chương 3

• KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN