当前位置: 首页 > news >正文

逻辑蕴含、函数依赖集的闭包、Armstrong公理、属性集闭包

一、引言

Armstrong公理-从给定的函数依赖集得到关系模式的完整依赖集

二、逻辑蕴含

1、定义

设F是关系模式R上的函数依赖集,X、Y是R的属性子集,对于R的每个满足F的关系实例r,若函数

依赖X\rightarrow Y都成立,则称F逻辑蕴含X\rightarrow Y

记为:F\vdash X\rightarrow Y

F逻辑蕴含的所有函数依赖的集合,称为函数依赖集F的闭包,并记为F^{+}

记为:F^{+}={X\rightarrow Y\mid F\vdash X\rightarrow Y}

三、Armstrong公理

1、定义

1974年Armstrong提出一套推理规则,被称为Armstrong公理

2、作用

利用推理规则从给定的函数依赖推导出其蕴含的函数依赖

3、内容

包含三条基本规则和三条扩充规则

4、实例

关系模式R(U,F):

(1)U为R的属性集

(2)F是U上的函数依赖集

(3)X、Y、Z、W是U的子集

(4)子集X、Y的并集记为XY

四、Armstrong公理的内容

1、三条基本推理规则

(1)自反律

Y\subseteq X,则X\rightarrow Y

(2)增广律

X\rightarrow Y为F所蕴含,则XZ\rightarrow YZ

(3)传递律

X\rightarrow YY\rightarrow Z为F所蕴含,则X\rightarrow Z

2、三条扩充推理规则

(1)合并规则

X\rightarrow YX\rightarrow Z,则X\rightarrow YZ(增广律,传递律)

(2)伪传递规则

X\rightarrow YWY\rightarrow Z,则XW\rightarrow Z(增广律、传递律)

(3)分解规则

X\rightarrow YZ\subseteq Y,则X\rightarrow Z(自反律、传递律)

3、合并规则和分解规则可得一个重要的事实

引理1:

X\rightarrow A_{1}A_{2}...A_{k}成立的充分必要条件X\rightarrow A_{i}成立(i=1,2,...,k)

五、属性集闭包

1、引言

对于一个函数依赖集,其闭包中所包含的函数依赖有很多,从函数依赖集F求其闭包是很困难的,

对于任意的函数依赖,通过判断是否在闭包中来判断该函数依赖是否为函数依赖集F所逻辑蕴含是

很困难的,于是引入了属性集闭包的概念

2、属性集闭包的定义

在R(U,F)中,F是属性集U上的一组函数依赖,X\subseteq U,则属性集X关于函数依赖集F的闭包X{_{F}}^{+}

定义为:

X{_{F}}^{+}F^{+}中所有函数依赖于属性集X的所有属性的集合

3、引理2:

由引理2,就可以将X\rightarrow Y是否属于F的闭包的问题转化为判断Y是否为X关于F的闭包的子集的问题,而X关于F的闭包可由算法帮助实现

六、使用算法求解属性集闭包

1、明确概念

(1)函数依赖集F的闭包是F所蕴含的函数依赖的集合

(2)属性集X关于函数依赖集F的闭包是F的闭包中的函数依赖的决定因素是属性集X的属性的集合,以下简称为属性集闭包

2、求X{_{F}}^{+}(X的属性集闭包)的一个算法

输入:属性集X和和函数依赖集F

输出:属性集X关于函数依赖集F的闭包X{_{F}}^{+}

算法实现流程:

(1)开始

(2)给X{_{F}}^{+}赋初值X

(3)判断X{_{F}}^{+}的值与上一次相比是否改变,如果改变,执行(4),没改变,执行(5)

(4)对F中的每一个函数依赖Y\rightarrow Z,如果Y\subseteq X_{F}^{+},则将Z并入到X{_{F}}^{+}中,执行(3)

(5)输出X{_{F}}^{+},结束

3、举例:使用算法计算属性集X的闭包X{_{F}}^{+}

七、举例:通过属性集闭包来判断函数依赖是否在函数依赖集F的闭包中

八、小结

1、Armstrong公理的有效性

F中已有的函数依赖利用Armstrong公理导出每一个函数依赖Y\rightarrow Z\in F^{+}

2、Armstrong公理的完备性

函数依赖集F所蕴含的函数依赖,即F^{+}中的每一个函数依赖都可以利用Armstrong公理推导出来

http://www.lryc.cn/news/376654.html

相关文章:

  • macOS聚集搜索功能开启与关闭
  • 大模型“诸神之战”,落地才是赛点
  • 接口重放攻击
  • MySQL学习笔记-进阶篇-SQL优化
  • 【机器学习】第2章 线性回归及最大熵模型
  • 科技创新对农业发展的影响
  • Linux 常用命令 - rm 【删除文件或目录】
  • 一血c++
  • 无问芯穹Qllm-Eval:制作多模型、多参数、多维度的量化方案
  • 2024-05-31T08:36:09.000+00:00 转换 YYYY-MM-DD HH-MM-SS
  • reason: the Java file contained parse errors
  • 使用密钥对登录服务器
  • 面试_多线程
  • 跨境电商必备?揭秘原生IP的作用
  • mysql竖表变横表不含聚合
  • application/x-www-form-urlencoded和json的区别
  • oracle数据库日常保养或巡检语句实践整理汇总
  • Elasticsearch 第一期:基础的基础概念
  • MySQL数据库笔记(二)
  • 谷歌邮箱:2024年最全使用指南及技巧
  • 工业设计初学者手册——第四部分:制造工艺
  • Scala语言:大数据开发的未来之星 - 零基础到精通入门指南
  • Springboot整合Zookeeper分布式组件实例
  • Python | 使用Matplotlib生成子图的示例
  • 云原生巡检监控报告
  • Linux系统编程——部分内容补充
  • 数学建模基础:非线性模型
  • Kotlin 语言基础学习
  • Kafka 之 KRaft —— 配置、存储工具、部署注意事项、缺失的特性
  • 专业和学校到底怎么选,兴趣和知名度到底哪个重要?