Comparación Conceptual entre Bases de Datos Deductivas y Bases de Datos Relacionales Difusas (Parte II) Juan Francisco Pose 2013

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

Bases de Datos

Concepto  Serie de datos organizados y relacionados entre sí  Datos consultados y explotados por los sistemas de información

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

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

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”

Bases Relacionales Difusas

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)

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

Antecedente: Ejemplo de lógica difusa(III)  Grafico sobre la capacidad de ahorro de una persona:

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

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

FSQL (SQL Difuso) – (I)  Extensión del lenguaje SQL  Agrega potencial sin perder rendimiento  Agrega nuevos comparadores Parecido Necesariamente mayor Posiblemente menor Otros

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

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

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

Muchas gracias