DEPARTAMENTO DE CIENCIAS DE LA COMPUTACIN

CARRERA DE INGENIERA EN SISTEMAS E INFORMTICA

BASES DE DATOS II
BASES DE DATOS DIFUSAS

Integrantes: Jonathan Lema

David Llerena
Selena Llumiquinga
Leticia Tipn

Docente: Ing. Oswaldo Daz.

NRC: 1691

Fecha: 21/07/2017
jelema3@ espe.edu.com - vdllerena@gmail.com - ssllumiquinga@espe.edu.com -
latipan7@espe.edu.ec -
1. TEMA: BASES DE DATOS DIFUSAS

2. OBJETIVO:
- Investigar sobre las Bases de Datos Difusas, mediante consultas
en la web, para que el estudiante comprenda a lo que refiere las
mismas.
- Consultar acerca de los hitos histricos de las BD difusas.
- Comprender la arquitectura referencial de las BD difusas.
- Conocer las ontologas de BD difusas.

3. MARCO TERICO
3.1 Hitos histricos ms importantes de la historia
Existen datos que no tienen una definicin precisa, como por ejemplo
temperatura alta velocidad baja, estatura media. Para
solucionar estos problemas aparecen los conjuntos difusos, los cuales
nos permiten manipular informacin que tiene un alto grado de
incertidumbre.
Actualmente los conjuntos difusos se utilizarn en multitud de
campos: en ciencias de la computacin para recuperacin de
informacin, bases de datos relacionales difusas (SGBDRD), control
difuso, ecuaciones diferenciales difusas, entre otros.
La lgica difusa es una lgica de mltiples valores que permite que
sean definidos los valores intermedios entre las evaluaciones
convencionales como: verdadero o falso, si o no, alto o bajo, estas
pueden ser formuladas matemticamente y procesadas por
computadoras.
[1] Las bases de datos relaciones difusas(BDRD), aparecen en la tesis
de Maria Zemankova en 1983 intentan aplicar una forma ms
humana de pensar en la programacin de computadoras usando
lgica difusa. por lo tanto, diremos que es una metodologa que
proporciona una manera simple y precisa de obtener resultados a
partir de informacin de entrada ambigua, imprecisa o incompleta.

Base de datos
Conjuntos
Lgica difusa relacionales
difusos
difusas

Desarrollo mximo
La lgica difusa ha cobrado una fama grande por la variedad de sus
aplicaciones, las cuales van desde el control de complejos procesos
industriales, hasta el diseo de dispositivos artificiales de deduccin
automtica, pasando por la construccin de artefactos electrnicos de
uso domstico y de entretenimiento, as como tambin de sistemas
de diagnstico. De hecho, desde hace ya al menos una dcada y
media, la expedicin de patentes industriales de mecanismos
basados en la lgica difusa han tenido un crecimiento sumamente
rpido en todas las naciones industrializadas del mundo.
Se ha considerado de manera general que el concepto de lgica
difusa fue concebido por Lofti A. Zadeh, un profesor de la Universidad
de California, quien no conforme con los Conjuntos Clsicos (Crisp
Sets) que slo permiten dos opciones: la pertenencia o no de un
elemento a dichos conjuntos, present esta idea como una forma de
procesar informacin permitiendo pertenencias parciales a unos
conjuntos, que en contraposicin a los clsicos denomin Conjuntos
Difusos (Fuzzy Sets). Este nuevo concepto fue expuesto en el ao
1965 por Zadeh en un artculo que hoy es considerado un clsico en
la literatura de la lgica difusa. En 1971, el mismo Zadeh public otro
artculo llamado Semntica Difusa Cuantitativa, en donde introduce
los elementos formales que acabaran componiendo el cuerpo de la
doctrina de la lgica difusa y sus aplicaciones tal como se conocen en
la actualidad.

Desde el punto de vista tecnolgico, las lgicas difusas se encuadran

en el rea de la llamada Inteligencia Artificial y han dado origen a
sistemas expertos de tipo difuso y a sistemas de control automtico.

En los ltimos aos, algunos investigadores han lidiado con el

problema de relajar el modelo relacional para permitirle admitir
algunas imprecisiones; esto conduce a sistemas de BD que encajan
en el campo de la Inteligencia Artificial, ya que permiten el manejo de
informacin con una terminologa que es muy similar a la del lenguaje
natural. Una solucin que aparece recurrentemente en los trabajos de
investigacin actuales en esta rea es la fusin de los SGBD
relacionales con la lgica difusa, lo que da lugar a lo que
comnmente se conoce como BDRD. [6] Referencia del paper de
autoria de F. J. Muoz y J. F. Pose sobre Comparacin Conceptual entre
Bases de Datos Deductivas y Bases de Datos Relacionales para tomar
en cuenta su desarrollo.

3.2 Arquitectura referencial que gobierna.

El diseo de las bases de datos difusos se realiza en 3 niveles:

Modelo Conceputal: Fuzzy ER / EER

Modelo Lgico: Extensin del modelo relacional
Modelo Fsico: Fuzzy SQL, SQL Fuzzy

Las bases de datos difusas nacen de unir la teora de bases de datos,

principalmente del modelo relacional con la teora de conjuntos
difusos, para permitir, bsicamente dos objetivos:

El almacenamiento de informacin difusa (adems de informacin

no difusa)
El tratamiento y consulta de esta informacin de forma difusa o
flexible.

Las bases de datos difusas contiene datos imprecisos o de

consideracin ambigua los cuales son agrupados en una base de
datos relacional para luego ser ordenados en conjuntos difusos
definiendo entidades y atributos (difusos), estos se podrn leer en un
lenguaje natural difuso, el cual es considerado como el Fuzzy Queying
Language (SQLF por P.Bosc & FSQL J.Galindo), estos lenguajes definen
estructuras para aadir aspectos difusos en las sentencias SQL, como
condiciones, comparaciones, constantes, restricciones todas difusas,
finalmente esto podr ser presentado a modo de ontologia para la
comprensin del usuario.
 Figura 1: Arquitectura referencial de la BDDD
3.3 Ontologas
La ontologa nos ayuda a la representacin del conocimiento difuso,
entendiendo por este, aquel conocimiento impreciso representado
mediante lgica difusa.

Figura 2: Relacin de la ontologa con el Entorno de SGBD Difusas

Como podemos notar en la figura 2, la ontologa ayuda a la
interaccin entre las Bases de datos difusas y los usuarios para
generar consultas de datos ms eficientes, rpidos y comprensibles.
[3] Referencia tomada de la Tesis doctoral de la Seora Carmen
Martnez Cruz que hace referencia al Sistema de Gestin de Bases de
Datos Relacionales Difusas multipropsito. Una Ontologa para la
Representacin del conocimiento Difuso.
Figura 3: Interaccin entre el Usuario y el SGDBR Difuso para realizar
operaciones proporcionadas por la ontologa
La ontologa contiene:

Definicin de estructuras.
Relaciones.

La ontologa acta como una interfaz entre el usuario y la base de

datos haciendo transparente para el usuario la estructura de la base
de datos que permite almacenar la informacin difusa.

Ontologa difusa (FuzzyOnt)

Parte de la ontologa normal con una modificacin, y se define

formalmente como una cudrupla.

Figura 4: Proceso de Fuzzificacin

O (C,R,F,A)
F=

Donde:
C es un conjunto de conceptos difusos o Entidades E

R es un conjunto de relaciones difusas en En

F es un conjunto de relaciones difusas.

 A es un conjunto de Axiomas expresados en un lenguaje lgico
apropiado (ej.: predicados para restringir el significado de conceptos,
relaciones, funciones)
Al realizar una consulta podemos notar que los datos deben asignarse
en una categora como por ejemplo al emplear el trmino Sierra en
la bsqueda con el significado de accidente orogrfico, Serrucho
sera asignado por el usuario en la categora Opuesto.
La ontologa se actualiza de la siguiente manera:
1) Calcular la localizacin en la ontologa del trmino buscado. Solo
tomando en cuenta los documentos relevantes incluidos en el proceso
y segn su grado de pertenencia.
2) Calcular el puntaje, sumando el valor de pertenencia de cada
categora relacionada con cualquier localizacin potencial del trmino
consultado.
3) El puntaje ms elevado es la localizacin que debera ser
pretendida por el usuario.
Para calcular el valor de pertenencia se debe tomar en cuenta la
frmula matemtica que nos dar la localizacin para el determinado
trmino de la consulta.
[4] Referencia del Paper de autora del Seor Juan Bernab Moreno
que ha considerado la Lgica difusa aplicada a la Web semntica con
el anlisis de las ontologas y su relevancia dentro de las Bases de
datos Difusas.
4. CONCLUSIONES

Una gran parte de los modelos precedentes en las bases de datos
relacionales difusas es el modelo GEFRED en cual desarrolla un
ambiente posibilsitico en el cual la informacin difusa es tratada de
forma coherente.
Al aplicar las ontologas para realizar consultas de datos, podemos
notar que an es un campo virgen con el cual se abren varias lneas
de investigacin como las consultas en documentos, la mejor
recuperacin de informacin, la aplicacin de las relaciones difusas,
etc.

5. REFERENCIAS BIBLIOGRFICAS

[1 D. Snachis, 16 septiembre 2015. [En lnea].

]

[2 Martnez Cruz, C. (2008). Sistema de gestin de bases de datos

] relacionales difusas multipropsito. Una ontologa para la representacin
del conocimiento difuso.

[3 Moreno, J. B. Lgica difusa aplicada a la web semntica

]
[4 Noy, N. F. and D. McGuinness (2001). Ontology Development 101: A guide
] to Creating your First Ontology. Stanford Medical Informatics Technical
Report SMI-2001-0880 . Stanford University

[5 Pose, F. J. Muoy y J. F. DSPACE. 05 de 02 de 2013.

] http://dspace.palermo.edu/dspace/bitstream/handle/10226/1445/1_BDD
%20BDRD.docx?sequence=1&isAllowed=y. 24 de 05 de 2017.