Loading presentation...

Present Remotely

Send the link below via email or IM

Copy

Present to your audience

Start remote presentation

  • Invited audience members will follow you as you navigate and present
  • People invited to a presentation do not need a Prezi account
  • This link expires 10 minutes after you close the presentation
  • A maximum of 30 users can follow your presentation
  • Learn more about this feature in our knowledge base article

Do you really want to delete this prezi?

Neither you, nor the coeditors you shared it with will be able to recover it again.

DeleteCancel

Make your likes visible on Facebook?

Connect your Facebook account to Prezi and let your likes appear on your timeline.
You can change this under Settings & Account at any time.

No, thanks

Bases de Datos difusas

Exposición de Bases de datos
by

Jonatan Chinchilla

on 2 December 2012

Comments (0)

Please log in to add your comment.

Report abuse

Transcript of Bases de Datos difusas

Inicio de la presentacion Ventajas y desventajas Desventajas
Los modelos de datos basados en la lógica difusa requieren mayor simulación y una excelente depuración y prueba antes de pasar a ser operacionales.
Puede implementarse, no sin dificultades, en SGBD ordinarios y el lenguaje de acceso a esta es una extensión de SQL.
Requiere una gran cantidad de parámetros, lo que hace el manejo muy incómodo.
Lo cual constituye la principal causa de su impopularidad. Ventajas Posibilidad de recopilación de información mas cercana a la realidad
Permite hacer consultas no exactas
Muestra datos aproximados
Las BBDD difusas permiten recuperar datos con tan solo una vaga descripción de lo que deseamos obtener
El lenguaje FSQL tiene una sintaxis muy similar al popular SQL, Lo cual hace que este se ha fácil de aprender y usar Datos Históricos sobre la lógica difusa EJEMPLOS Y USOS GENERALES DE UNA BASE DE DATOS DIFUSA Bases de Datos Difusas Integrantes

Fabio Avila
Jonatan Chinchilla
Johan Jimenez
Esteban Monge
Joaquin Cascante

Bases de Datos Difusas Muchas Gracias Ahora un video que explica como hacer consultas en una base de datos difusa Diseñada para trabajar información
no exacta. Significado de difuso(a)?
Que es poco claro, impreciso o concreto. Que es :
Poco claro.
Poco exacto.
Poco concreto. Significado de difusa(o)? Es una base de datos diseñada para trabajar o manejar información no exacta.
El modelo relacional actual no permite procesamiento de consultas como : “Encontrar a todos los gerentes cuyo sueldo no sea muy alto” Que es una base de datos difusa(o)? Introducida por Lofti Zadeh en el año 1965 denominada “ Fuzzy sets” o conjuntos difusos. Aplicación en procesos demasiados complejos, cuando no existe un modelo de solución simple o un modelo matemático preciso. Teoría de Conjuntos difusos Añade un grado de pertenencia a cada elemento de un conjunto, definido éste como un número real entre 0 y 1. En los conjuntos clásicos simplemente es 1 ó 0 , pertenece o no pertenece. La lógica difusa se basa en la idea de”razonamiento aproximado”, en contraste a la lógica clásica que se basa en el “razonamiento exacto o preciso”. Lógica difusa • Soporte a tipo de datos como :
Indefinido (undefined)
Desconocido (uknown)
No aplicable (null). • Captura de datos que posean un dominio impreciso que generalmente no están representados por los modelos de datos convencionales. • Acercar el lenguaje natural a la organización
formal de los datos. Las bases de Zadeh sirvieron para hacer frente a los distintos tipos de imprecisión e incertidumbre que pueden aparecer en los datos del mundo real.

Inicialmente el modelo relacional fue el primer modelo al que se le comenzaron a realizar extensiones para soportar
el uso de la teoría de conjuntos difusos y la lógica difusa en la representación de datos.

Los trabajos se dirigieron a extender el modelo de datos básico y los lenguajes de consulta de forma que permitieran la representación y recuperación de datos imprecisos. Lógica Difusa Se extendió el calculo relacional sobre una lógica basada en tres valores:

verdadero, falso y quizás Lógica Difusa Modelos de Implementación
de un BD Difusa. Usar un SGBDR con información precisa Elaboración de Base de datos relacionales difusas Atributos Difusos Tratamiento y consulta de información de forma
flexible Propósitos BD
Difusa Discriminación de datos más fina. Propósitos de una BD Difusa • El almacenamiento de información difusa y exacta. VARIABLES LINGÜÍSTICAS Es un término usado en el lenguaje natural para describir algunos conceptos que usualmente tienen valores vagos o difusos. Un conjunto difuso se encuentra asociado por un valor lingüístico , que esta defino por una palabra o etiqueta lingüística,
En la sentencia “Juan es joven” podemos decir que implica una variable lingüística “edad” que tiene un valor lingüístico de joven. Ejemplos de variables lingüísticas Estos atributos son "datos precisos" (clásicos, sin imprecisión) que pueden tener etiquetas lingüísticas definidas sobre ellos. Los atributos de Tipo 1 reciben una representación igual que los datos precisos, pero puedan ser manejados en condiciones difusas. Atributos Difusos Estos atributos admiten tanto datos crisp(valores exactos), como difusos, en forma de distribuciones de posibilidad sobre un dominio subyacente ordenado.

Por ejemplo, la edad puede tener las etiquetas niño, joven, adulto, referenciadas sobre un conjunto entre 0 y 100. Atributos Difusos Son atributos con "datos imprecisos sobre un dominio no ordenado". Y solo podemos usar el comparador difuso FEQ(posiblemente igual a ).

Por ejemplo, el atributo "color del pelo" puede tener
Las etiquetas rubio, pelirrojo y castaño. Ejemplos de utilización de bases de datos difusas “Dar todas las personas cuya edad es aproximadamente 20 años”:(con grado mínimo 0.6):

SELECT * FROM Personas WHERE Edad FEQ #20 THOLD 0.6; “Dar todas las personas cuya edad es aproximadamente 20 años”:(con grado mínimo 0.6):

SELECT * FROM Personas WHERE Edad FEQ #20 THOLD 0.6; Tabla de comparadores Difusos Ejemplos de consultas BD Difusas Representación simple de la base de datos del juzgado. Una víctima realiza una denuncia sobre un caso de robo, pero no conoce los datos exactos y solo se tiene una percepción de las características del asaltante y lo más seguro desconoce del todo algunos atributos del mismo, como el nombre, el apellido, la estatura y la edad que serian un aproximado.

Lo que se tendría son etiquetas lingüísticas como el color de piel, el pelo, la contextura etc ... Ejemplo práctico BDD Juzgado “Dar todas las personas más o menos Rubias (con grado mínimo 0.5) cuya edad es posiblemente superior a Joven (con grado mínimo0.8)” :

SELECT * FROM Personas WHERE Pelo FEQ $Rubio THOLD 0.5 AND
Edad FGT $Joven THOLD 0.8; FGT = Posiblemente mayor FEQ= Posiblemente igual EJEMPLO Acostumbramos a decir "Fulanito es un atleta muy lento", ¿pero que es lento? Aquí es donde se definen variables lingüísticas para representar conceptos imprecisos.
Full transcript