Descargar la presentación
La descarga está en progreso. Por favor, espere
Publicada porPablo San Martín Cabrera Modificado hace 8 años
1
Comparación Conceptual entre Bases de Datos Deductivas y Bases de Datos Relacionales Difusas (Parte II) Juan Francisco Pose 2013
2
Agenda Bases de Datos Concepto y funcionalidad básica Modelo relacional Inconvenientes Bases Relacionales Difusas Antecedente: Lógica difusa Definición Tipos de datos FSQL (Fuzzy SQL) Ventajas y Desventajas Conclusiones
3
Bases de Datos
4
Concepto Serie de datos organizados y relacionados entre sí Datos consultados y explotados por los sistemas de información
5
Funcionalidad básica Especificación de tipos de datos, estructuras y restricciones Actualización del contenido de la BD Generación de consultas para obtener la información buscada Gestión del almacenamiento seguro y persistente de los datos
6
Modelo relacional Presentado por Edgar F. Codd en 1970 Ventajas: Herramientas para evitar duplicidad Garantiza eliminación de registros dependientes Establece relaciones virtuales Lenguaje declarativo (SQL) Uso hasta nuestros días
7
Inconvenientes Edgar Frank Codd sabía que iba a haber información imprecisa. En su modelo trata esta imprecisión con el valor NULL El modelo relacional no permite el procesamiento de consultas del tipo “Encontrar a todos los gerentes cuyo sueldo no sea muy alto”
8
Bases Relacionales Difusas
9
Antecedente: Lógica Difusa (I) Origen: Lofti A. Zadeh no conforme con la lógica tradicional definió una nueva teoría en la que establece pertenencias parciales (1965) En 1971 formaliza su modelo dando lugar a la doctrina “Lógicas Difusas” (contemporáneo a Codd)
10
Antecedente: Lógica Difusa (II) Aplicaciones: Control de procesos industriales Diseño de dispositivos de detección automática Artefactos de uso doméstico y entretenimiento Auto Foco de las cámaras Reconocimiento de escritura
11
Antecedente: Ejemplo de lógica difusa(III) Grafico sobre la capacidad de ahorro de una persona:
12
Definición Una BDRD es una base relacional a la cual se le incorpora un módulo de lógica difusa para permitir también la resolución de problemas con información imprecisa. Se busca “flexibilizar” el modelo relacional para que este acepte la imprecisión
13
Tipos de Datos Se incorporan 4 tipos de atributos: Tipo 1: Datos precisos Tipo 2: Datos precisos y difusos con probabilidad asociada Tipo 3: Escalares sin orden (ej. color de pelo) Tipo 4: Datos difusos
14
FSQL (SQL Difuso) – (I) Extensión del lenguaje SQL Agrega potencial sin perder rendimiento Agrega nuevos comparadores Parecido Necesariamente mayor Posiblemente menor Otros
15
FSQL (SQL Difuso) – (II) Etiquetas lingüísticas Constantes difusas Umbral de cumplimiento (γ) FSQL / SQL: SELECT * FROM personas WHERE cabello FEQ $Fair = 0.5 AND altura MLT $Tall = 0.8 SELECT * FROM personas WHERE cabello = 0.45 AND altura = 1.77
16
Ventajas y Desventajas Ventajas Almacenar información imprecisa Posibilidad de instalarlo sobre SGBD tradicional Creciente mercado potencial Desventajas Recuperan información con vaga descripción Lenguaje poco cómodo por su complejidad Comparadores abstractos
17
Conclusiones La fusión de lógica difusa y BDR logró amalgamarse de una manera conveniente La lógica difusa incorporada a las bases relacionales, potencian y flexibilizan dicho modelo de datos Se espera potenciar de la misma manera otros modelos como podría ser el de objetos o almacenes de datos BDRD tienen mayor potencial y mercado La elección de la base a utilizar dependerá puramente del problema a resolver
18
Muchas gracias
Presentaciones similares
© 2024 SlidePlayer.es Inc.
All rights reserved.