ĐẠI HỌC QUỐC GIA TP.HCM

TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN

CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM
Độc lập - Tự do - Hạnh phúc
--oOo--

Tp. Hồ Chí Minh ngày 10 tháng 03 năm 2011

ĐỀ CƯƠNG LUẬN VĂN CAO HỌC
PHƯƠNG THỨC ĐĂNG KÝ: III

SỐ TC: 30

1. Tên đề tài:
Tối ưu hoá Lưu trữ và Nhận dạng Dấu vân tay với Cơ sở dữ liệu đồ thị
2. Học viên thực hiện:
Dương Hoàng Thanh, mã số 0901050, lớp Cao học Khoá 4
3. Giảng viên hướng dẫn:
Phó Giáo sư – Tiến sĩ Đỗ Phúc
Cơ quan công tác:
Trường Đại học Công nghệ thông tin – Đại học Quốc gia Tp. Hồ Chí Minh
Đt liên lạc:
0908169593
4. Tóm tắt mục tiêu & nội dung thực hiện:
Trong quá trình công tác tại công ty Tâm Việt, tôi đã gặp phải khó khăn khi sử dụng dấu vân
tay như một phương pháp đăng nhập cho hệ thống thương mại điện tử. Lúc đó, hệ thống vân
tay của công ty chỉ hỗ trợ lưu trữ bằng hình ảnh và so khớp tuần tự từng ảnh một khi cần xác
minh danh tính. Điều này làm cho thiết kế trở nên bất khả thi vì khi số lượng khách hàng tăng
cao thì thời gian cần để xử lý tác vụ trên cũng không thể chấp nhận được. Vì thế, khi được

thầy Đỗ Phúc giới thiệu về cơ sở dữ liệu đồ thị trong môn học cơ sở dữ liệu nâng cao, tôi đã
nảy ra ý tưởng tìm hiểu và nghiên cứu ứng dụng cơ sở dữ liệu đồ thị vào việc lưu trữ và so
khớp, xác minh dấu vân tay.
Mục tiêu chính của đề tài là xây dựng lý thuyết về cơ sở dữ liệu đồ thị ứng dụng trong lĩnh
vực sinh trắc học vân tay nhằm tìm ra giải lưu trữ và thuật toán nhận dạng dấu vân tay hiệu
quả nhất về mặt thời gian và độ chính xác trên không gian tìm kiếm lớn. Ngoài ra, đề tài còn
hướng tới hiện thực hoá giải pháp tìm được bằng việc xây dựng một hệ thống lưu trữ và nhận
dạng dấu vân tay bao gồm cả phần cứng lẫn phần mềm, đồng thời thử nghiệm hiệu suất trên
cơ sở dữ liệu giả định và thực tế.
1


Sau đây là những nội dung chủ yếu:
PHẦN A: CƠ SỞ LÝ THUYẾT
1.

Dấu vân tay và đặc điểm nhận dạng
1.1 Sinh trắc học và dấu vân tay
1.2 Các thành phần của dấu vân tay
1.2.1 Đường vân và rãnh
1.2.3 Điểm trung tâm
1.2.4 Các tiểu tiết
1.3 Ứng dụng của dấu vân tay

2.

Các phương pháp lưu trữ và nhận dạng dấu vân tay
2.1 Các phương pháp thu thập dữ liệu vân tay
2.1.1 Lăn tay
2.1.2 Thiết bị cảm ứng điện tử

2.1.3 Các phương pháp khác
2.2 Các phương pháp nhận dạng
2.2.1 Nhận dạng dựa trên tiểu tiết
2.2.2 Nhận dạng dựa trên hình ảnh toàn cục
2.3 Các phương pháp lưu trữ truyền thống
2.3.1
2.3.2

3.

Lưu trữ hình ảnh
Lưu trữ thông số

Khái quát về cơ sở dữ liệu đồ thị
3.1 Khái quát về đồ thị
3.1.1 Đồ thị vô hướng
3.1.2 Đồ thị có hướng
3.1.3 Đơn đồ thị và Đa đồ thị
3.1.4 Đồ thị hỗn hợp
3.1.5 Đồ thị có trọng số
3.1.6 Các dạng đồ thị quan trọng
3.1.7 Ứng dụng của đồ thị
3.2 Cơ sở dữ liệu đồ thị
3.2.1 Đồ thị có nhãn
3.2.2 Cơ sở dữ liệu đồ thị
3.2.3 Đồ thị con
3.2.4 Đẳng cấu đồ thị
3.2.5 Đẳng cấu đồ thị con
2



3.3 Đại số đồ thị
3.3.1 Phép chọn đồ thị
3.3.2 Phép chiếu đồ thị
3.3.3 Phép hợp đồ thị
3.3.4 Phép lấy tổng đồ thị
3.3.5 Phép giao đồ thị
3.3.6 Phép hiệu đồ thị
3.3.7 Phép kết đồ thị
3.4 Truy vấn cơ sở dữ liệu đồ thị
3.4.1 Mô hình truy vấn
3.4.2 Ngôn ngữ truy vấn
3.4.3 Tối ưu hoá truy vấn
3.5 Ứng dụng của cơ sở dữ liệu đồ thị
3.5.1 Hệ thống thông tin địa lý
3.5.2 Mạng xã hội
3.5.3 Mạng ngữ nghĩa và biểu diễn tri thức
3.5.4 Các dự án xây dựng cơ sở dữ liệu đồ thị
4.

Khai phá dữ liệu đồ thị
4.1 Tìm kiếm đồ thị con phổ biến
4.1.1 Phát biểu bài toán
4.1.2 Thuật toán tìm đồ thị con phổ biến (FSG)
4.1.3 Tìm kiếm trên cơ sở dữ liệu lớn
4.2 Phân lớp dữ liệu đồ thị
4.2.1 Phát biểu bài toán
4.2.2 Các thuật toán xây dựng mô hình phân lớp
4.2.3 Phân lớp trên cơ sở dữ liệu lớn
4.3 Gom cụm dữ liệu đồ thị

4.3.1 Phát biểu bài toán
4.3.2
4.3.3

Các thuật toán gom cụm đồ thị
Phân lớp trên cơ sở dữ liệu lớn

PHẦN B: XÂY DỰNG GIẢI PHÁP VÀ TỐI ƯU HOÁ
5.

Rút trích các đặc điểm của dấu vân tay
5.1 Tiền xử lý ảnh
5.1.1 Tăng cường chất lượng hình ảnh
5.1.2 Lọc nhiễu
5.2 Rút trích tiểu tiết
5.2.1 Xác định các đường vân
3


6.

5.2.2

Lập bản đồ hướng

5.2.3
5.2.4

Xác định điểm trung tâm
Xác định các tiểu tiết khác


Lưu trữ dấu vân tay bằng cơ sở dữ liệu đồ thị
6.1 Thêm vào một số đặc điểm của dấu vân tay
6.2 Đồ thị ràng buộc kép liên tiểu tiết
6.3 Đồ thị hóa hình ảnh dấu vân tay
6.4 Tổ chức không gian lưu trữ trên cơ sở dữ liệu

7.

Phân lớp dữ liệu đồ thị vân tay
7.1 Xác định tiêu chí phân lớp
7.2 Thuật toán phân lớp đồ thị vân tay
7.3 Phân lớp tiến hoá theo thời gian

8.

So khớp và xác minh dấu vân tay
8.1 So khớp dấu vân tay dựa trên đồ thị
8.1.1 Thuật toán
8.1.2 Các tiêu chí đánh giá
8.2 Xác minh dấu vân tay dựa trên đồ thị
8.2.1 Thuật toán
8.2.2 Các tiêu chí đánh giá

9.

Các giải pháp tối ưu hoá
9.1 Các chiến lược tìm kiếm
9.2 Cây tìm kiếm dựa trên mô hình phân lớp
9.3 Tái cấu trúc cơ sở dữ liệu

9.4 Phân tán cơ sở dữ liệu
9.5 Các giải pháp khác

PHẦN C: HIỆN THỰC HỆ THỐNG LƯU TRỮ VÀ NHẬN DẠNG VÂN TAY
10. HIỆN THỰC HỆ THỐNG
8.1 Thiết kế hệ thống
8.2 Lắp đặt phần cứng cho hệ thống
8.3 Xây dựng phần mềm cho hệ thống
8.4 Kết quả thử nghiệm
11. HƯỚNG DẪN CÀI ĐẶT VÀ SỬ DỤNG
9.1 Hướng dẫn cài đặt
9.1.1 Cài đặt phần mềm
9.1.2 Cài đặt cơ sở dữ liệu
9.2 Hướng dẫn sử dụng
9.2.1 Nhập dữ liệu vào database
9.2.2 Thực hiện tối ưu hoá cơ sở dữ liệu
4


9.2.3

Tiến hành nhận dạng dấu vân tay

5. Cơ sở lý thuyết:
Đề tài được triển khai dựa trên hai lý thuyết chính là sinh trắc học dấu vân tay và cơ sở dữ
liệu đồ thị.
Một dấu vân tay là một mẫu các đặc điểm của một ngón tay. Vân tay được chứng minh là duy
nhất đối với mỗi cá thể con người. Vì thế, các dấu vân tay được sử dụng cho việc nhận dạng
và điều tra pháp lý trong một thời gian dài. Một dấu vân tay được cấu thành bởi rất nhiều
đường vân và rãnh. Những đường vân và rãnh này khi in trên các cửa sổ thể hiện các đặc

điểm rất giống nhau như sự song song và bề rộng trung bình. Mặc dù vậy, các nghiên cứu
chuyên sâu về nhận dạng vân tay đã chỉ ra rằng các dấu vân tay không thể phân biệt bởi các
vân và rãnh, mà bởi các tiểu tiết, là một vài điểm khác thường của đường vân [24]. Trong số
rất nhiều những loại tiểu tiết được ghi nhận trong các tài liệu, có hai loại tối quan trọng và
được sử dụng nhiều nhất: một loại gọi là điểm đứt gãy, là nơi kết thúc đột ngột của một vân
tay; loại còn lại gọi là điểm rẽ nhánh, là nơi mà từ đó đường vân bị chia thành hai nhánh.
Vấn đề nhận dạng dấu vân tay có thể được chia làm hai lĩnh vực con: một là so khớp dấu vân
tay (verification), hai là xác minh dấu vân tay (indentification) [24]. So khớp nghĩa là so sánh
hai dấu vân tay cho trước và kết luận xem có phải được in ra từ cùng một ngón tay hay
không. Xác minh vân tay là việc tìm xem dấu vân tay đưa ra thuộc về người nào trong số hồ
sơ lưu trữ. Hai dạng thể hiện của dấu vân tay đã dẫn đến hai hướng tiếp cận vấn đề nhận dạng
dấu vân tay khác nhau [6][24]:


Cách tiếp cận thứ nhất dựa trên các tiểu tiết, thể hiện dấu vân tay bằng các đặc điểm
cục bộ. Cách tiếp cận đã được nghiên cứu sâu rộng, và cũng là xương sống của các
sản phẩm nhận dạng vân tay hiện tại có trên thị trường.



Cách tiếp cận thứ hai sử dụng các phương pháp dựa trên hình ảnh, cố gắng so khớp
trên những đặc điểm toàn cục của toàn phần hình ảnh dấu vân tay. Cách tiếp cận này
là một phương pháp tiên tiến và nổi trội về nhận dạng vân tay. Nhận dạng dựa trên
hình ảnh rất hữu dụng khi giải quyết những vấn đề mà cách thứ nhất không thể khắc
phục.

Để khắc phục nhược điểm của cả hai cách tiếp cận truyền thống (dựa trên tiểu tiết và dựa trên
hình ảnh), các tác giả F. Benhammadi, H. Hentous và K.Bey Beghdad trong bài báo về
“Phương pháp nhận dạng dựa trên đồ thị ràng buộc liên tiểu tiết” [6] đã đề xuất giải pháp
nhận dạng hoàn toàn mới, sử dụng đồ thị liên tiểu tiết hai trọng số. Kết hợp cách tiếp cận này

với cơ sở dữ liệu đồ thị và hiện thực thành một giải pháp cụ thể chính là mục tiêu của đề tài.

5


Bài báo được viết bởi Leonhard Euler về “Bảy cây cầu ở Königsberg” xuất bản năm 1736
được xem như bài báo đầu tiên trong lịch sử của lý thuyết đồ thị [23]. Từ đó đến nay, lý
thuyết đồ thị đã phát triển không ngừng và trở thành một phần quan trọng của toán học hiện
đại. Cùng với sự phát triển vượt bậc của khoa học máy tính và công nghệ thông tin, lý thuyết
đồ thị đã đem đến những ứng dụng hết sức ấn tượng, giải quyết được nhiều bài toán trong các
lĩnh vực khác nhau như sinh học phân tử, cơ sở dữ liệu DNA, cơ sở dữ liệu protein, cơ sở dữ
liệu video, dữ liệu cấu trúc hoá học, CAD/CAM, điều khiển luồng giao thông, tài liệu XML,
Web và phân tích mạng xã hội, mạng thông tin, mạng ngữ nghĩa,… Trong lý thuyết đồ thị,
quan hệ giữa các đối tượng cũng quan trọng như chính đối tượng được thể hiện, do đó lý
tưởng để giải quyết việc so khớp các mô hình như dấu vân tay, nhận diện khuôn mặt, xử lý
ảnh, tìm kiếm motif protein trong cơ sở dữ liệu protein [13], tìm kiếm hợp chất hoá học trong
dược phẩm… Cho đến hiện tại, nhưng nghiên cứu về truy vấn dữ liệu đồ thị vẫn còn đang
tiếp tục và mang tính thời sự [4] [7] [8] [18]. Mô hình cơ sở dữ liệu đồ thị được hình thành
nhằm tăng cường công cụ tìm kiếm, cho phép truy vấn và thao tác dữ liệu đồ thị với những
thuộc tính và cấu trúc tương tự. Một số hệ thống cơ sở dữ liệu đồ thị có liên quan bao gồm hệ
thống GRACE [18], hệ thống GOQL [10], hệ thống SBGE [3].
Một cơ sở dữ liệu đồ thị là một tập hợp các đồ thị thành viên G = {G1, G2, G3,…, Gn} trong
đó mỗi đồ thị Gi là một đồ thị có nhãn [13]. Đồ thị có nhãn là một bộ sáu G = (V, E, VL, λ, VI,
δ), trong đó


V là tập các đỉnh.




E là tập các cạnh.



VL là tập các nhãn đỉnh.



VN là tập các định danh của đỉnh.



λ: V → VL là một hàm gán nhãn đỉnh.



δ: V → VN là một hàm đặt tên đỉnh.

Dù cho đây cũng là một loại cơ sở dữ liệu và có thể được cài đặt bằng cơ sở dữ liệu quan hệ,
nhưng do đối tượng lưu trữ chính không phải quan hệ mà là đồ thị, các đại số quan hệ và hệ
quả là các truy vấn đều không còn phù hợp và phải định nghĩa lại sao cho đầu vào và đầu ra
đều là các đồ thị hoặc đồ thị con. Đồng thời, thuật toán cài đặt của các phép đại số này cũng
được biến đổi dựa trên lý thuyết đồ thị cho phù hợp với đối tượng dữ liệu mới. Từ đó ra đời
đại số đồ thị để phân biệt với đại số quan hệ. Sự khác biệt này lớn đến mức có nhiều dự án
xây dựng lại cơ sở dữ liệu đồ thị mà không dựa trên SQL truyền thống như Gremlin[21],
Bigdata [20], HyperGraphDB [9], InfiniteGraph [14], InfoGrid [12], Neo4j [11],
AllegroGraph, sones, DEX [17], Graphd, Filament, FlockDB, OrientDB [15], VertexDB [19],
Blueprints…

6



Theo F. Benhammadi, H. Hentous và K.Bey Beghdad [6], trong giai đoạn thu thập dấu vân
tay, mạng tương quan cho mỗi tiểu tiết mi được tính toán từ những đặc điểm (khoảng cách
Euclide, số đường vân và góc tương quan liên tiểu tiết) giữa tiểu tiết này và các tiểu tiết mj
khác, trong đó j  i và mẫu dấu vân tay được sinh ra từ đồ thị liên tiểu tiết tổng thể, thể hiện
mạng quan hệ tiểu tiết như trong hình sau:

Mạng quan hệ liên tiểu tiết thực chất là một đồ thị và rất thích hợp để lưu trữ bằng cơ sở dữ
liệu đồ thị.

Một ý tưởng nữa được thêm vào đề tài là thay vì lưu nhiều đồ thị cho một dấu vân tay, ta chỉ
lưu một đồ thị duy nhất với trung tâm là điểm trung tâm của dấu vân tay. Điều này hứa hẹn
giảm lượng thông tin cần lưu trữ và xử lý trong khi vẫn đảm bảo tính chính xác.
Bên cạnh đó, các kỹ thuật khai phá dữ liệu cũng sẽ được nghiên cứu phục vụ cho tối ưu hoá
truy vấn. Khai phá dữ liệu đồ thị là quá trình rút trích những tri thức (mẫu, ngoại lệ…) từ dữ
7


liệu có cấu trúc có thể được trình bày dưới dạng một đồ thị [5]. Việc phân tích và khai phá dữ
liệu đồ thị thường nhằm những mục đích sau:


Tìm kiếm mẫu trong các đồ thị, bao gồm mẫu đồ thị phổ biến, tổng kết mẫu, các mẫu
tối ưu, các mẫu đồ thị có ràng buộc, các mẫu đồ thị xấp xỉ…



Gom cụm đồ thị, tìm kiếm những nhóm đồ thị tương đồng.




Phân lớp đồ thị nhằm xây dựng mô hình dự báo, xây dựng cây quyết định...

Khai phá dữ liệu đồ thị mang đến nhiều ứng dụng trong thực tế, bao gồm khám phá các motif
có cấu trúc như các thành phần hoá học, kiến trúc phân tử, protein, nhận dạng và từ đó có thể
dự đoán tính chất thông qua cấu trúc đặc trưng, tìm kiếm, sàng lọc tốc độ cao, nghiên cứu mô
hình hành vi của mạng xã hội… Khi áp dụng trên cơ sở dữ liệu vân tay, các kỹ thuật mày có
khả năng cải thiện đáng kể tốc độ truy vấn, tìm kiếm.
6. Phạm vi ứng dụng:
Đề tài chủ yếu nhắm đến ứng dụng trong lĩnh vực bảo mật, nhận dạng danh tính bằng sinh
trắc học. Đây là xu hướng đang được kỳ vọng hiện nay và có ứng dụng rộng rãi trong giao
dịch thương mại điện tử, bảo mật thông tin, chấm công, an ninh… Những lĩnh vực này đều
yêu cầu độ chính xác nghiêm ngặt cũng như tốc độ xử lý gần như tức thời trên cơ sở dữ liệu
quy mô lớn. Do đó, nếu phần mềm thử nghiệm đạt kết quả tốt thì hoàn toàn có thể đưa vào
thương mại hoá.
Không những thế, những kết quả đạt được trong quá trình nghiên về lý thuyết cơ sở dữ liệu
đồ thị, nhất là việc tổ chức dữ liệu và tối ưu hoá truy vấn trên cơ sở dữ liệu đồ thị có quy mô
lớn còn có thể mở rộng ứng dụng ra nhiều lĩnh vực khác nhau như sở dữ liệu sinh trắc học
(nhận dạng mắt, khuôn mặt…), cơ sở dữ liệu đa phương tiện (hình ảnh, âm thanh…), mạng
ngữ nghĩa, mạng xã hội…
Tuy nhiên, trong khoảng thời gian cũng như nguồn lực có hạn, đề tài cũng chỉ tập trung vào
giải quyết bài toán tổ chức, truy vấn và tối ưu hoá trên cơ sở dữ liệu vân tay, đặc biệt là
những cơ sở dữ liệu có quy mô lớn, thông qua việc đồ thị hoá cơ sở dữ liệu này. Do đó, trọng
tâm của đề tài xoay quanh lý thuyết cơ sở dữ liệu đồ thị và ứng dụng trong sinh trắc học hơn
là các công nghệ phần cứng cũng như phần mềm đang được sử dụng hiện nay.
7. Dự kiến kết quả đạt được:
Kỳ vọng trước hết của đề tài là xây dựng được một giải pháp hiệu quả cho việc tổ chức lưu
trữ và nhận dạng dấu vân tay bằng cơ sở dữ liệu đồ thị. Tính hiệu quả của giải pháp sẽ được
đánh giá thông qua các tiêu chí về độ chính xác và thời gian nhận dạng, không gian và chi phí

8


lưu trữ trên quy mô dữ liệu lớn. Hệ thống thử nghiệm ban đầu ít nhất cũng phải cho khả năng
tìm kiếm trên cơ sở dữ liệu tối thiểu 1000 dấu vân tay với thời gian dưới 1 phút và độ chính
xác gần như 100% (có thể từ chối nhầm ở tần suất thấp nhưng không xảy ra chấp nhận
nhầm).
Tiếp đến, đề tài còn hứa hẹn đóng góp thêm kiến thức và nền tảng lý luận cho cơ sở dữ liệu
đồ thị, nhất là việc tối ưu hoá tổ chức lưu trữ và tìm kiếm trên không gian dữ liệu lớn. Đây sẽ
là kết quả hết sức có giá trị, giúp củng cố lý thuyết và mở rộng thêm nhiều lĩnh vực ứng dụng
của cơ sở dữ liệu đồ thị nói chung.
Không những thế, như đã đề cập ở trên, bên cạnh việc nghiên cứu lý thuyết, đề tài cũng sẽ
hiện thực hoá các kết quả này bằng một hệ thống nhận dạng vân tay tương đối hoàn chỉnh,
bao gồm cả phần cứng và phần mềm, không chỉ có giá trị thực nghiệm mà còn đem lại khả
năng thương mại hoá và ứng dụng vào thực tế.
8. Hướng phát triển:
Phạm vi của đề tài chỉ tập trung vào phần lưu trữ và nhận dạng, do đó quy trình tiền xử lý dữ
liệu mà cụ thể là xử lý ảnh vân tay vẫn còn bị bỏ ngỏ. Tập trung nâng cao hiệu suất tiền xử lý
dữ liệu, tăng cường chất lượng hình ảnh, loại bỏ nhiễu… là yêu cầu hết sức cần thiết để đạt
được một giải pháp hoàn thiện.
Bên cạnh đó, do mục tiêu nhắm đếm các cơ sở dữ liệu quy mô lớn, hướng nghiên cứu chuyển
từ cơ sở dữ liệu tập trung sử dụng trong đề tài sang cơ sở dữ liệu phân tán cũng cần được xem
xét. Đây thực sự là một bài toán khó nhưng lại mang tính hiện thực cao.
Những kết quả đạt được của đề tài còn có thể được nghiên cứu mở rộng áp dụng cho các lĩnh
vực sinh trắc học tương tự như nhận dạng mắt, khuôn mặt,… Không chỉ dừng lại ở đó, hướng
nghiên cứu về cơ sở dữ liệu đồ thị có quy mô lớn vẫn là một hướng mở và nhiều thử thách.
9.Tài liệu tham khảo
Tiếng Việt:
[1] Nguyễn Hoàng Huy, Nhận dạng vân tay, Luận văn Thạc sĩ chuyên ngành Kỹ thuật
điện tử, Đại học Bách khoa, Đại học Quốc gia Tp. Hồ Chí Minh, 2007.

[2] Wikipedia tiếng Việt, Đồ thị (lý thuyết đồ thị), [Online] tại địa chỉ
/>1n_h%E1%BB%8Dc)
Tiếng Anh:

9


[1] Adam

Wiggins,

Graph

Databases,

2010,

[Online]

available

at

/>[2] Anil Jain, Sharath Pankanti, Fingerprint Classification and Matching, Handbook for
Image and Video Processing, 2000.
[3] B. A. Eckman, P. G. Brown, Graph data management for molecular and cell
biology, Source, IBM Journal of Research and Development archive, Volume 50,
Issue 6, 2006.
[4] Dennis Shasha, J. T. L. Wang, and R. Giugno, Algorithmics and Applications of
Tree and Graph Searching, In Proc. PODS’02 Proceeding of the International

Conference in Pattern recoginition (ICPR), Quebec, Canada, 2002.
[5] Do Phuc, Mining, Indexing and Searching Graph Data base, Lectures, University of
Information Technology, Vietnam, 2010.
[6] F.Benhammadi, H.Hentous, and K.BeyBeghdad, A fingerprint recognizer using
interminutiae binary constraint graph, EURASIP Journal on Advances in Signal
Processing, Volume 2008, Hindawi Publishing Corporation, 2008.
[7] Haoliang Jiang, Haixun Wang, Philip S. Yu, Shuigeng Zhou, Gstring: A novel
approach for efficient search in graph databases, IEEE 23rd International
Conference on Data Engineering, 2007.
[8] Huahai He and Ambuj K. Singh, Graphs-at-a-time: Query Language and Access
Methods for Graph Databases, Proceedings of the ACM SIGMOD International
Conference on Management of Data (SIGMOD’08), Vancouver, Canada, 2008.
[9] Kobrix Software, Hyper Graph DB Project, 2010, [Online] available at
/>[10] Lei Sheng, Z. M. Ӧzsoyoglu, G. Ӧzsoyoglu, A Graph Query Language and Its
Query Processing, 15th International Conference on Data Engineering (ICDE’99),
1999.
[11] Neo Technology, Neo4j Project – The graph database, 2010, [Online] available at
/>[12] NetMesh Inc, InfoGrid Project – The Web Graph Database, 2010, [Online]
available at />[13] Nguyen Thi Kim Phung and Do Ha Loc, Graph database and application to protein
structure database, Proceedings of the Sixth International Conference on
Information Technology for Education Research (IT@EDU2010), 2010.
[14] Objectivity Inc., Infinite Graph Project – The distributed Graph database, 2010,
[Online] available at />[15] Orient Technologies, Orient DB Project, 2010, [Online] available at
/>[16] Saraswathi Vishveshwara et al, Protein Structure insights from graph theory,
Journal of Theoretical and Computational Chemistry, Vol 1, No 1, 2002.
10


[17] Sparsity Technologies, Dex Project, 2010, [Online] available at />[18] Srinath Srinivasa and Mistry Harjinder Singh, GRACE: A Graph Database System,
Proceedings of COMAD 2005b, Hyderabad, India, 2005.

[19] Steve Dekorte and Rich Collins, Vertex DB Project – A graph database, 2010,
[Online] available at />[20] SYSTAB
LLC.,
Bigdata®
Project,
2010,
[Online]
available

at

/>[21] TinkerPop, Gremlin Project, 2010, GitHub Social Coding, [Online] available at
/>[22] Wikipedia, Graph Database, [Online] available at />wiki/Graph_database
[23] Wikipedia, Graph Theory,

[Online]

available

at

/>
wiki/Graph_theory
[24] Wu Zhi Li, Fingerprint Recognition, A thesis submitted in partial fulfillment of the
requirements for the degree of Bachelor of Science (Honors) in Computer Science,
Hong Kong Baptist University, 2002.

Giảng viên hướng dẫn

Học viên cao học


(ký và ghi rõ họ tên)

(ký và ghi rõ họ tên)

11