Predmet istraživanja u disertaciji su fazi funkcionalne zavisnosti u relacionim
bazama podataka, a cilj istraživanja je proučavanja dosadašnjih rezultata u ovom polju, te
razvoj sopstvenog algoritma za identifikovanje zavisnosti između atributa relacije koji je
zasnovan na primeni fazi implikacija iz fazi logike. Problem analize fazi funkcionalnih
zavisnoti nije nov. U ovoj oblasti postoji značajan broj radova u poslednje dve decenije i
veliki broj autora se bavio ovom problematikom. Međutim, analizom dostupne literature
utvrđeno je da ne postoji algoritam koji bi omogućio identifikovanje zavisnosti između
atributa relacione šeme. Ovo ograničenje bilo je motiv za razvoj sopstvenog pristupa u
analizu funkcionalnih zavisnosti nad datim skupom atributa. Rešavanje ovog, ne tako
novog problema, ne predstavlja samo teorijski značaj i istraživački izazov, već ima i
praktični značaj. U tom smislu, cilj istraživanja je implementacija logičkog modela baze
podataka koju daje prethodna teorija i k...oja podržava očekivane rezultate istraživanja, ali i
veza sa drugim oblastima i poljima (geografski informacioni sistemi, rudarenje podataka,
ekstrakcija informacija, smanjenje redundancije, estimacija nepoznatih vrednosti
atributa...).
Polazna pretpostavka je bila da teorija fazi skupova i određeni fragment fazi logike
predstavljaju pogodno rešenje kada projektanti informacionih sistema ne mogu
jednoznačno da odrede zavisnost između podataka i atributa relacije. U oblasti veštačke
inteligencije, fazi skupovi i fazi logika izučavaju se sa aspekta dizajniranja fazi ralacionih
baza podataka, u okviru inteligentnih sistema, jer teorija fazi skupova i fazi logika
predstavljaju moćan alat za manilupisanje nepreciznim i neodređenim informacijama.
Otkrivanje potencijalnih zavisnosti između atributa posmatrane fazi relacije ustvari
predstavlja pronalaženje skrivenih i korisnih znanja koja možemo da koristimo za
donošenje poslovnih i upravljačkih odluka. U radu je predstavljena nova tehnika koja
identifikuje postojanje zavisnosti između atributa na nivou podrelacije (parova n-torki)
primenom različitih fazi implikacija, čija karakterizacija je opisana u ovoj disertaciji u
kontkestu primene u ovoj problematici. Fazi implikacije koje zadovoljavaju ustanovljene
kriterijume prihvatanja koristimo za procenu jačine zavisnosti θ u slučaju postojanja fazi
funkcionalne zavisnosti X
Y.
Za potrebe demonstracije predložene metodologije i verifikaciju rezultata
istraživanja izvršen je eksperiment nad realnim podacima u fazi modelu baze podataka na
bazi relacije bliskosti i fazi modelu na bazi mogućnosti distribucije.
Da bismo identifikovali fazi funkcionalne zavisnosti u odgovarajućem fazi modelu
potrebno je:
1. Pripremiti podatke za analizu,
2. Pronaći podrelacije (parove n-torki) na posmatranim atributima u kojima se
potencijalno kriju fazi funkcionalne zavisnosti,
3. Pridružiti fazi funkcionalnim zavisnostima odgovarajuće fazi implikacije,
4. Interpretirati rezultate istraživanja da bismo dobili konačan skup fazi zavisnosti...
The research presented in this dissertation is finding of fuzzy functional
dependencies in the fuzzy relational database models. The goal is reviewing and analyzing
of recent results in this field and developing our own algorithm for identification of
dependencies between attributes in the fuzzy relations based on fuzzy implication in fuzzy
logic. The problem of fuzzy functional dependency analzsing in fuzzy relational database
models is not recent. In this area there is a significant number of papers and authors dealt
with mentioned issue in the last two decades. However, literature analysis showed that
there is no algorithm that would enable the identification of attribute relationships in
relational schemas. This restriction was the motive for the development of our metodology
in the analysis of fuzzy functional dependencies over a given set of attributes. Solving this,
not so new problem, is not only research challenge having theoretical importance, but it
also has practical signif...icance. Implementation of logical database models provided by the
previous theory and integration to other areas and fields (GIS, Rudarenje podataka,
Information Retrieval, reducing data redundansy,estimation of NULL values...) are crucial
aims in this paper.
The initial assumption was that the theory of fuzzy sets and particular fragment of
fuzzy logic are the perfect solution when database managers can’t unambiguously
determine the relationships between data and attributes within the relation. In the field of
artificial intelligence, fuzzy sets and fuzzy logic are studied in terms of fuzzy relational
database design within the intelligent systems because fuzzy set theory and fuzzy logic are
powerful tools for manipulating and representing imprecise and uncertain information.
Finding potential dependencies between attributes in fuzzy relations is actually
rudarenje podataka technique related to hidden and useful knowledge used for decision
making. This dissertation presents a new technique for identification of existing
dependencies between pairs of tuples using different fuzzy implications which
characterization is described by author. Fuzzy implications meeting established
acceptance criteria are used for estimation of linguistic strength θ when fuzzy functional
dependency X
Y is satisfied.
For demonstration of proposed methodology and research verification we performed
experiment on real data under two different models: fuzzy database model based on
proximity relation and fuzzy database model with possibility distribution.
Discovering potential dependencies between attributes of the observed fuzzy relation
actually represents a discovery of hidden and useful knowledge, i.e. a rudarenje podataka
technique. In order to identify fuzzy functional dependency within the corresponding fuzzy
model, following is necessary:
1. Preparing the data for the analysis (preprocessing, data summarization, data
warehousing etc.).
2. Finding subrelations (n-tuples) on the observed attributes with potentially hidden
fuzzy functional dependencies.
3. Associating fuzzy functional dependencies with corresponding fuzzy implications.
6
4. Interpreting search results for the purpose of getting the final set of fuzzy dependencies...
Faculty:
Универзитет у Београду, Факултет организационих наука
