数据库复习——模式分解

模式分解这边主要包括无损分解保持函数依赖的分解两种形式,简单整理一下。

无损分解

  把一个 R R R 分成 ρ = { R 1 , R 2 , ⋯   , R k } \rho =\{R_1,R_2,\cdots,R_k\} ρ={R1,R2,,Rk},然后通过自然连接 R 1 ⋈ R 2 ⋈ ⋯ ⋈ R k R_1\bowtie R_2\bowtie \cdots\bowtie R_k R1R2Rk,如果连回来了就是无损分解,如果多出了一些冗余元组就是有损分解。

这个定义很难直接用来判定,下面介绍一个判定算法。

判定算法

术语描述

   ρ = { R 1 < U 1 , F 1 > , ⋯   , R k < U k , F k > } \rho = \{R_1<U_1,F_1>,\cdots,R_k<U_k,F_k>\} ρ={R1<U1,F1>,,Rk<Uk,Fk>} R < U , F > R<U,F> R<U,F> 的一个分解, U = { A 1 , ⋯   , A n } U=\{A_1,\cdots,A_n\} U={A1,,An} F = { F D 1 , ⋯   , F D ρ } F=\{\mathrm{FD_1,\cdots,FD}_\rho\} F={FD1,,FDρ}(必须是极小依赖集),其中 F D i : = X i → A l i \mathrm{FD}_i:=X_i\rightarrow A_{li} FDi:=XiAli。算法的过程:
( 1 ) (1) (1) 建立 k × n k\times n k×n C = [ c i j ] k × n \boldsymbol C=[c_{ij}]_{k\times n} C=[cij]k×n,每列对应属性 A j ( j = 1 , ⋯   , n ) A_j(j=1,\cdots,n) Aj(j=1,,n),每行对应一个分解的 U i U_i Ui c i j = { a j , A j ∈ U i , b i j , A j ∉ U i c_{ij}=\displaystyle\begin{cases}a_j,&A_j\in U_i,\\b_{ij},&A_j\notin U_i\end{cases} cij={aj,bij,AjUi,Aj/Ui
( 2 ) (2) (2) 遍历 F D i \mathrm{FD}_i FDi,截取 C \boldsymbol C C 中对应 X i X_i Xi 的列,看看哪些行的内容是相同的。这些行在 l i li li 列若存在一个 a l i a_{li} ali,那么这些行在 l i li li 列的值全部改为 a l i a_{li} ali;否则全部改为 b m l i b_{mli} bmli,其中 m m m 为这些行的行号最小值。

一个符号被更改,表中其它所有相同的符号都应作相同的更改。

( 3 ) (3) (3) 重复 ( 2 ) (2) (2) 的操作,如果有一行全 a a a 说明 ρ \rho ρ 是无损连接分解,停止算法;否则表 C \boldsymbol C C 总会在某个时刻不再更新,停止算法并下结论 ρ \rho ρ 是有损连接分解。

案例描述(直接上图)

设有关系模式 R ( A , B , C , D , E ) R(A,B,C,D,E) R(A,B,C,D,E) R R R 的最小函数依赖集是 F = A → D , E → D , D → B , B C → D , D C → A \mathit{F={A→D,E →D,D →B,BC →D,DC →A}} F=AD,ED,DB,BCD,DCA。判断 ρ = { A B , A E , E C , D B C , A C   } \mathit{ρ=\{AB,AE,EC,DBC,AC\ \}} ρ={AB,AE,EC,DBC,AC } 是否为无损连接分解。

判定定理(分解为 2 个关系)

  定理描述:对于 R < U , F > R<U,F> R<U,F> 的一个分解 ρ = { R 1 < U 1 , F 1 > , R 2 < U 2 , F 2 > } \rho = \{R_1<U_1,F_1>,R_2<U_2,F_2>\} ρ={R1<U1,F1>,R2<U2,F2>},如果 U 1 ∩ U 2 → U 1 − U 2 ∈ F + U_1\cap U_2\rightarrow U_1-U_2\in F^+ U1U2U1U2F+ U 1 ∩ U 2 → U 2 − U 1 ∈ F + U_1\cap U_2\rightarrow U_2-U_1\in F^+ U1U2U2U1F+,则 ρ \rho ρ 具有无损连接性。
  这个定理可以从上面的算法得出,具体证明看下图就知道了。

保持函数依赖的分解

  把一个 R R R 分成 ρ = { R 1 , R 2 , ⋯   , R k } \rho =\{R_1,R_2,\cdots,R_k\} ρ={R1,R2,,Rk},然后看看是否有 F 1 + ∪ F 2 + ∪ ⋯ ∪ F k + = F + F_1^+\cup F_2^+\cup\cdots\cup F_k^+=F^+ F1+F2+Fk+=F+,如果相等就是保持函数依赖的分解,否则不是。

这个定义可以直接用来判定。

模式分解算法

保持函数依赖的 3NF 分解

描述

( 1 ) (1) (1) R < U , F > R<U,F> R<U,F>中的 F F F进行极小化处理。处理后的函数依赖集仍用 F F F 表示。
( 2 ) (2) (2) 找出不在 F F F 中出现的属性,把这样的属性构成一个关系模式,并把这些属性从 U U U 中去掉。
( 3 ) (3) (3) 如果 F F F 中有一个函数依赖涉及 R R R 的全部属性,则 R R R 不能再分解。
( 4 ) (4) (4) 如果F中含有 X → A X→A XA,则分解应包含模式 X A XA XA,如果 X → A 1 , X → A 2 , ⋯   , X → A n X→A_1,X→A_2,\cdots,X→A_n XA1,XA2,,XAn 均属于 F F F,则分解应包含模式 X A 1 A 2 ⋯ A n \mathit{XA}_1A_2\cdots A_n XA1A2An

例子

  设关系模式 R < U , F > R<U,F> R<U,F> U = { C , T , H , R , S , G , X , Y , Z } U=\{C,T,H,R,S,G,X,Y, Z\} U={C,T,H,R,S,G,X,Y,Z} F = { C → T , C S → G , H R → C , H S → R , T H → R , C → X } F=\mathit{\{C→T,CS→G,HR→C,HS→R,TH→R,C→X\}} F={CT,CSG,HRC,HSR,THR,CX},将 R R R 分解为 3 N F \rm3NF 3NF,且保持函数依赖。

:设该函数依赖集已经是最小化的,先对 F F F 中左边相同的进行合并 ( C → T + C → X = C → T X ) (C→T +C→X=C\rightarrow\mathit{TX}) (CT+CX=CTX) F = { C → T X , C S → G , H R → C , H S → R , T H → R } F=\mathit{\{C→TX,CS→G,HR→C,HS→R,TH→R\}} F={CTX,CSG,HRC,HSR,THR}
因此 ρ = { Y Z , C T X , C S G , H R C , H S R , T H R } \mathit{\rho=\{YZ,CTX,CSG,HRC,HSR,THR\}} ρ={YZ,CTX,CSG,HRC,HSR,THR}

Y Z \mathit{YZ} YZ F F F 中没有出现的属性,单独拿出来。

保持函数依赖的无损 3NF 分解

  在保持函数依赖的 3NF 分解基础上,尝试在 ρ \rho ρ 中加入 R R R 所有的码得 τ \tau τ。加入后可能会存在包含关系,保大去小。举个例子说明。
  有关系模式 R < U , F > R<U,F> R<U,F> U = { C , T , H , R , S , G } U=\{C,T,H,R,S,G\} U={C,T,H,R,S,G} F = { C → T , C S → G , H R → C , H S → R , T H → R } \mathit{F=\{C→T,CS→G, HR→C,HS→R,TH→R\}} F={CT,CSG,HRC,HSR,THR},将 R R R 分解为 3 N F \rm3NF 3NF,且既具有无损连接性又能保持函数依赖。

:求得关系模式 R R R 的码为 H S \mathit{HS} HS,它的一个保持函数依赖的 3 N F \rm3NF 3NF为: ρ = { C T , C S G , H R C , H S R , T H R } \mathit{\rho=\{CT,CSG,HRC,HSR,THR\}} ρ={CT,CSG,HRC,HSR,THR}
因为码 H S ⊂ H S R \mathit{HS\subset HSR} HSHSR,所以去掉 H S \mathit{HS} HS,保留 H S R \mathit{HSR} HSR。所以 τ = ρ = { C T , C S G , H R C , H S R , T H R } \mathit{\tau=\rho=\{CT,CSG,HRC,HSR,THR\}} τ=ρ={CT,CSG,HRC,HSR,THR}为满足要求的分解。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mfbz.cn/a/730509.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

可视化数据科学平台在信贷领域应用系列七:自动机器学习(下篇)

在当今金融科技迅速发展的时代&#xff0c;自动机器学习&#xff08;AutoML&#xff09;逐步成为了信贷风控领域的重要工具。随着大数据和人工智能技术的进步以及信贷风险环境的快速变化&#xff0c;传统人工建模模式的时效性已经难以应对复杂多变的挑战。自动机器学习框架将数…

AI创作音乐引发的深思

在最近一个月中&#xff0c;音乐大模型的迅速崛起让素人生产音乐的门槛降到了最低。这一变革引发了关于AI能否彻底颠覆音乐行业的广泛讨论。在初期的兴奋过后&#xff0c;人们开始更加理性地审视AI在音乐领域的应用&#xff0c;从版权归属、原创性、创作质量、道德层面以及法律…

【linux】dup文件描述符复制函数和管道详解

目录 一、文件描述符复制 1、dup函数&#xff08;复制文件描述符&#xff09; ​编辑 2、dup2函数&#xff08;复制文件描述符&#xff09; ​编辑 二、无名管道pipe 1、概述 2、无名管道的创建 3、无名管道读写的特点 4、无名管道ps -A | grep bash实现 三、有名管道FI…

没有超头、最低价的视频号618战况如何?有何趋势变化?| 视频号618观察

转眼618大促已接近尾声&#xff0c;今年的你有剁手哪些好物吗&#xff1f;对618的整体感觉又是如何呢&#xff1f; 这是12年来&#xff0c;第一个电商平台没有预售付定金的618&#xff0c;当然或许此后的双11、每一次大促也将逐渐回归传统&#xff0c;回归本质。 而对于视频号来…

普通变频器位置闭环控制(S7-1200PLC工艺对象模拟量轴)

1、S7-1200PLC控制V90总线伺服通过工艺对象实现定位控制 S7-1200PLC和V90总线伺服通过工艺对象实现定位控制(标准报文3应用)_1200报文3控制v90-CSDN博客文章浏览阅读182次。V90伺服驱动器调试软件SINAMICS V-ASSISTANT Commissioning tool下载地址如下:西门子官网选型|资料CS…

linux下的进程通讯

一. 实验内容 1&#xff0e;编写一个程序&#xff0c;实现在两个进程之间运用管道进行通讯。程序中创建一个子进程&#xff0c;然后父、子进程各自独立运行。父进程不断地在标准输入设备上读入小写字母&#xff0c;写入管道。子进程不断地从管道中读取字符&#xff0c;转换为大…

Qt坐标系统

目录 概述 渲染 逻辑表示 锯齿绘制 坐标转换 模拟时钟示例 Window-Viewport转换 概述 坐标系统由QPainter类控制。与QPaintDevice和QPaintEngine类一起&#xff0c;QPainter构成了Qt绘画系统的基础。QPainter用于执行绘制操作&#xff0c;QPaintDevice是一个二维空间的抽…

10地!2024年一级造价师报名通知发布!

各位考生注意&#xff0c;西藏、四川、江西、新疆&#xff0c;辽宁、江苏、云南、新疆兵团、海南10个地区已经发布了关于2024年度一级造价工程师职业资格考试报名工作的通知&#xff1a; 浙江 辽宁 江苏 云南 报名时间&#xff1a;6月28日9:00—7月8日17:00&#xff1b; 缴费时…

基于Python+Django+MySQL+HTML的创新创业平台

DjangoMySQLHTML 基于PythonDjangoMySQLHTML的创新创业平台 用户管理 系统监控 角色管理 资源管理 参数设置 角色管理 简介 学生创新创业平台是一个功能丰富的在线教育或协作系统&#xff0c;支持中文语言环境。它提供用户管理、系统监控、多角色权限控制、资源管理、参…

手写方法实现字符串例如:“123“与整型例如:123相互转化(面试必会)

目录 二、字符串类型转化为整型 1. 初始化变量 2.定义字符串索引值 3.思考如何将字符1转化为数字1 4. 转化思路 5.考虑字符串转化负数例&#xff1a;-123456 6.完整代码 四、最后 一、前言 在c语言和c中&#xff0c;有许许多多的数据类型相互转化的方法&#xff0c;这里…

算法篇-排序

快排 算法思想&#xff1a;每次找一个基数&#xff0c;然后对数组左右遍历&#xff0c;将小于基数的数据放到左边&#xff0c;大于基数的数放到右边&#xff0c;然后将基数左边&#xff0c;右边进行迭代再排序。 public static void quickSort(int[] nums, int left, int ri…

openeuler一个服务异常占用cpu的排查过程

1 环境 硬件环境&#xff1a;LS1046A arm64 系统环境&#xff1a;openEuler release 22.03 (LTS-SP1) Linux kernel 4.19.26 2 问题说明 我的硬件平台需要适配一下 openEuler release 22.03 (LTS-SP1) 但是目前只能使用原来硬件平台的内核&#xff0c;在适配的过程中…

phar反序列化及绕过

目录 一、什么是phar phar://伪协议格式&#xff1a; 二、phar结构 1.stub phar&#xff1a;文件标识。 格式为 xxx; *2、manifest&#xff1a;压缩文件属性等信息&#xff0c;以序列化存 3、contents&#xff1a;压缩文件的内容。 4、signature&#xff1a;签名&#…

开放式耳机哪个品牌质量比较好?五大公认性能之王推荐!

作为一名热爱音乐的DJ爱好者&#xff0c;我当然知道一款适合DJ使用的开放式耳机应该具备哪些特点。最近&#xff0c;我深入评测了几款热门开放式耳机&#xff0c;从音质、舒适度、耐用性到混音功能等方面进行了全面评估。今天&#xff0c;我想为大家分享我的评测结果&#xff0…

【jdk】jdk11 jdk17 jdk21的新特性

前言&#xff1a;按照博主的个人理解&#xff0c;一般来说 除了jdk8时代 说jdk8的新特性是特指jdk8这一个版本的特性&#xff0c;之后例如jdk11 jdk17新特性 都是泛特性 什么意思呢&#xff1f; 比如jdk11新特性&#xff0c;一般是指jdk9——jdk11 这一个泛版本的所有新特性&am…

机器学习第四十四周周报 SAMformer

文章目录 week44 SAMformer摘要Abstract1. 题目2. Abstract3. 网络架构3.1 问题提出3.2 微型示例3.3 SAMformer 4. 文献解读4.1 Introduction4.2 创新点4.3 实验过程 5. 结论6.代码复现小结参考文献 week44 SAMformer 摘要 本周阅读了题为SAMformer: Unlocking the Potential…

智谱AI GLM-4V-9B视觉大模型环境搭建推理

引子 最近在关注多模态大模型&#xff0c;之前4月份的时候关注过CogVLM&#xff08;CogVLM/CogAgent环境搭建&推理测试-CSDN博客&#xff09;。模型整体表现还不错&#xff0c;不过不支持中文。智谱AI刚刚开源了GLM-4大模型&#xff0c;套餐里面包含了GLM-4V-9B大模型&…

HTTP 状态码详解及使用场景

目录 1xx 信息性状态码2xx 成功状态码3xx 重定向状态码4xx 客户端错误状态码5xx 服务器错误状态码 HTTP思维导图连接&#xff1a;https://note.youdao.com/s/A7QHimm0 1xx 信息性状态码 100 Continue&#xff1a;表示客户端应继续发送请求的其余部分。 使用场景&#xff1a;客…

昇思25天学习打卡营第3天|数据集Dataset

一、简介&#xff1a; 数据是深度学习的基础&#xff0c;高质量的数据输入将在整个深度神经网络中起到积极作用。有一种说法是模型最终训练的结果&#xff0c;10%受到算法影响&#xff0c;剩下的90%都是由训练的数据质量决定。&#xff08;doge&#xff09; MindSpore提供基于…

公司怎么管理文档外发泄密?强化企业文档安全用迅软加密软件就行了!

一、文档加密软件原理 迅软DSE加密软件对各类需要加密的文件&#xff08;如&#xff1a;技术资料、商业数据、红头文件、会议纪要、机要文件、图纸、财务报表等&#xff09;进行加密。 使用加密算法对文件自动加密&#xff0c;只有拥有正确的解密密钥或密码的人才能打开文件&…