ESTYLF 2010, Huelva, 3 a 5 de febrero de 2010

IMPLEMENTACINDEUNABASEDEDATOSDIFUSA
CONFIRST2YPostgreSQL

1
2
1

AnglicaUrrutia,
JosGalindo,AlejandroSeplveda

UniversidadCatlicadelMaule,Chile,aurrutia@ucm.cl

UniversidaddeMlaga,Espaa,jgg@lcc.uma.es

Resumen

Sepresentaenestetrabajounaextensinde
unabasededatosrelacionaldifusautilizando
comoestructuralgicaFIRST2.Estaextensin
esmspotenteydesarrolladasobresoftware
libre,PostgreSQL.Adems,seproponeuna
aplicacinaunsistemadecitasmdicas.

PalabrasClave:basesdedatosdifusas,
implementacindedatosconimprecisin,
FuzzySQL,SQL,PostgreSQL.

1INTRODUCCIN

Lalgicadifusasehautilizadoparaextender
lasbasesdedatosrelacionales(BDR)adifusas
(BDRD)[1][2][7].Algunaspropuestasestn

implementadasenOracle,comoloesel
servidorFSQL[3]yelmotorSQLf[6].En[3]
seproponeunaextensintericadealgunos
tiposdedatosdifusosyproponiendouna
estructuraparasualmacenamientoyuso
conocidacomoFIRST2,unaextensinde
FIRST[4],implementadabajoOracle.Enel
mismotrabajosepresentaFSQL,unacompleta
extensindellenguajeSQL,paraefectuar
consultasdifusas.FSQLincluyecomparadores
difusos,controldeumbralesdecumplimiento,
cuantificadoresdifusos,visualizacindelgrado
decumplimientodecadaitem,funciones
difusas,diversostiposdedatosdifusos
(incluyendofechas),etc.Estetrabajo
implementalaFIRST2yunServidorFSQLen
softwarelibreusandounservidorPostgreSQL
[5],elmspotenteSGBDdecdigoabierto
(www.postgresql.org).

En[2]setieneuntrabajomuycompletosobre
lasbasesdedatosdifusasengeneralyque
tambinincluyetrabajossobreFSQL.

2RESUMENDEFIRST2

Antesdeverelmodeloderepresentacinde
informacindifusaFIRST2,vamosahacerun
breveresumendelostiposdedatosqueincluye
elmodeloconceptualFuzzyEER,yquesonlos
tratadospornuestrosistema.Sedistinguendos
clasesdeatributosdifusos:Atributos

cuyosvaloressonconjuntosdifusosyatributos
cuyosvaloressongradosdifusos.

2.1.AtributosDifusosconConjuntos
Difusos

Estosatributospuedenclasificarseencuatro
tipossegn[3],deacuerdoeltipode
referencial(dominiosubyacenteoejeXdonde
sedefinenlosconjuntosdifusos).Entodos
ellosseincluyenlosvaloresUnknown,
Undefined,yNull:

Tipo1:Sonatributosprecisos,sinimprecisin,
crisp.Sinembargo,sepermitedefiniretiquetas
lingsticasensudominioypodremosusarlas
enconsultasdifusas.Sealmacenanigualqueun
atributonormal,peropuedesertransformadoo
manipuladousandocondicionesdifusas.Este
tipoestilparaextenderbasesdedatos
tradicionalesparapermitirconsultasdifusasen
susdominiosclsicos.Porejemplo,preguntas

XV Congreso Espaol Sobre Tecnologas y Lgica Fuzzy

deltipo:Damelosempleadosqueganan
muchomsqueelsalariomnimo.

Tipo2:Sonatributosimprecisossobreun
referencialordenado.Admitenvalorescrispy
difusos,enformadedistribucionesde
posibilidadoconjuntosdifusos,

sobreundominiosubyacenteordenado.Esuna
extensindelTipo1quespermiteel
almacenamientodeinformacinimprecisa,tal
comoelvalor:aproximadamente2metros.
Porsimplicidad,estosconjuntosdifusossuelen
serunafuncintrapezoidal(Figura1,dondeel
ejeYeselgradodifuso).

Tipo3:Sonatributosdifusoscondatos
discretossobredominiosubyacenteno
ordenadoconanaloga.Aqusepuedendefinir
etiquetas(Rubio,Moreno...)quesonescalares
conunarelacindesimilitudoproximidad
definidasobreesasetiquetas,paraindicaren
qumedidaseparecencadapardeetiquetas.
Tambinseadmitendistribucionesde
posibilidad(oconjuntosdifusos)sobreeste
dominio,comoporejemplo,elvalor{1/Rubio,
0.4/Moreno},queexpresaqueciertapersonaes
msRubiaqueMorena.Observequeel
dominiosubyacentedeesevalordifusoesel
conjuntodeetiquetasyesteconjuntocarecede
orden.

Tipo4:Estosoriginalesatributossonsimilares
alTipo3,perosinprecisarlarelacinde
similitud.Enestecasosuponemosqueno
necesitamostalrelacinoquenoexiste.

199

a
bcd

Figura1:FuncinTrapezoidal.
ESTYLF 2010, Huelva, 3 a 5 de febrero de 2010

Porsuparte,losgradosnoasociados(Tipo8)sontilescuandolainformacinimprecisaque
queremosrepresentar,sepuederepresentarusandonicamenteelgrado,sinasociarestegradoa
otrovalorovalores.Porejemplo,lapeligrosidaddeunmedicamentopuedeserexpresadousando
ungradodifusodeestetipo.

Estfueradelmbitodeestetrabajodemostrarlautilidaddeestosatributos,gradosydesus
distintossignificados.Quedaellohechoporlosdistintosautoresquehanusadodichoscasosde
formaindividual[1][2][3][6][7].

2.2.AtributosconGradosDifusos 2.3RepresentacindeAtributosDifusos

Eldominiodeestosgradospuedeestarenel
intervalo[0,1],aunqueotrosvalorespodran
tambinpermitirse,talcomounadistribucinde
posibilidad(usualmentesobreesteintervalo
unidad).Parasimplificar,nosotrosslo
usaremosgradosendichointervalo,yaque
otrasopcionesnoofrecengrandesventajas.

Elsignificadodeestosgradosesvariadoy
dependedesuuso.Elprocesamientodelos
datosserdiferentesegnestesignificado,por
loqueelsistemadebealmacenaryconsiderar
estesignificado.Lossignificadosms
importantesdeestosgradossegndistintos
autoresson[2][3][7]:gradodecumplimiento,

gradodeincertidumbre,gradodeposibilidady
gradodeimportancia.Porsupuesto,podremos
definiryusarotrossignificados.

Estosgradosdifusosestnclasificadosendos
familias:gradosasociadosynoasociados.Los
gradosasociadosestnasociadosaunvalor
especficoalcualseincorporaimprecisin.
Estosgradospuedenserasociadosadiferentes
conceptos[3]:

Gradoencadavalordeunatributo
(Tipo5):

Algunosatributospuedentenerungradodifuso
asociadoaellos.Estoimplicaquecadavalorde
esteatributo(encadatuplaoinstancia)tieneun
gradoasociadoquemideelnivelde
imprecisindeesevalor/atributo.Para
interpretarlo,necesitamossaberelsignificado
deesegradoyelsignificadodelatributo
asociado.

Gradoenunconjuntodevaloresde
diferentesatributos(Tipo6):Aqu,elgrado
estasociadoaalgunosatributos.Esteesun
casopocousual,peropuedesermuytilen
casosespecficos.Unelaimprecisindevarios
atributosenunnicogrado.

valores,dondeneslalongitudmximapara
distribucionesdeposibilidadparacadavalor
difuso.Elvalorndebeestardefinidoparacada
atributoTipo3(ysealmacenaenlaFMBcomo
veremos).LosatributosdifusosTipo4se
representanigualquelosTipo3.Ladiferencia
semuestraenelsiguienteapartado.

Tabla1:Valoresadmitidosparaatributos
difusosTipo2.

Nmero
Tipodevalores
0,1,2

Gradoenlainstanciacompletadelarelacin
(Tipo7):Estegradoestasociadoalatupla
completa(uobjeto)delarelacinyno
exclusivamentealvalordeunatributo
especficodelatupla.Normalmente,puede
representaralgngradodepertenenciadel
objetoalarelacinotabladelabasededatos.
Tambinsuelenusarseparamedirelgradode
importanciadecadaobjeto.

UNKNOWN,UNDEFINED,NULL
3
CRISP:d
4
LABEL:label_identifier
5

Estarepresentacindependedeltipodeatributo
difuso.LosatributosTipo1sonrepresentados
normalmente,comoatributospropiosdel
SGBD,yaquenoadmitenvaloresdifusos.Los
atributosTipo2necesitancincoatributos
clsicos:Unoalmacenalaclasedevalor(Tabla
1)ylosotrosalmacenanlosvalorescrispque
configuranelvalordifuso.Observequeenla
Figura1yenlaTabla1,lafuncintrapezoidal
necesitacuatrovalores.Unvaloraproximado
(triangular,aproximadamented,dmargen)se
representaconunafuncintriangularcentrada
ensuncleod(grado1)ycongrado0en
dmargenyd+margen,dondeelvalormargen
dependedelcontexto(Figura1conb=cy
ba=dc=margen).Paraextenderaotrostipos
devaloresdistintosdelaTabla1,podran
ampliarseelnmerodeatributosdela
representacin.

INTERVAL:[n,m]
6
APPROXIMATEVALUE:d
7
TRAPEZOIDAL:[a,b,c,d]

Tabla2:ValoresadmitidosparaatributosTipo
3y4.

Nmero
Tipodevalores

0,1,2
LosatributosdifusosTipo3necesitanun
nmerovariabledevalores(atributosclsicos):
Unoalmacenalaclasedevalor(Tabla2).
ObservequeenlaTabla2,laclase3necesita
slodosvalores,perolanmero4necesita2n

UNKNOWN,UNDEFINED,NULL

SIMPLE:Degree/Label

Degree1/label1+...+Degreen/Labeln

4
POSSIBILITYDISTRIBUTION:

200

XV Congreso Espaol Sobre Tecnologas y Lgica Fuzzy

ESTYLF 2010, Huelva, 3 a 5 de febrero de 2010

Atributosconcapacidadesdifusas:Qu
atributossondelosTiposdifusos1a8.

Elmetaconocimientorequeridoparacada
atributodependedesutipo:
Losgradosdifusos(Tipos5,6,7y8)se
representanusandounatributonumrico
clsico,cuyodominioincluyaelintervalo[0,1],
usualmenteconalmenosdosdecimales.

2.4InformacindelaFMB

Losdatosdemetaconocimientodifusosonel
conocimientonecesariosobrelabasededatos
difusayespecialmentesobrelosatributos
difusos.Estainformacinsealmacenaen
formatorelacionalenlallamadaFMB(Fuzzy
MetaknowledgeBase).Vamosprimeroadefinir
lainformacinquesealmacenaenlaFMBy
posteriormenteexplicamossuestructura,sus
tablas.Aspues,laFMBalmacenaesta
informacin:

Tipos1y2:Estosatributosalmacenanenla
FMBladefinicin(conjuntodifuso)decada
etiquetalingstica,elmargenparavalores
aproximados,ylamnimadistanciapara
considerardosvalorescomomuyseparados
(valormuch).Esteltimovalorseusaen
comparadorescomomuchomayorque,
comparadorMGTdeFSQL[3][6].

Tipos3y4:Valorn(explicadoantes),nombre
delasetiquetasy,paraelTipo3,larelacinde
similitudentrecadadosetiquetas.

Tipos5y6:Significadodelgrado,yelatributo
(Tipo5)oatributos(Tipo6)alosqueelgrado
estasociado.

Tipos7y8:Significadodelgrado.

Otrosobjetos:stosincluyencualificadores
difusos(asociadosaunatributoyusadospara
establecerumbralesenconsultas),y
cuantificadoresdifusos(asociadosaunatablao
aunatributo).Loscuantificadoressonusados
enconsultas,talescomoDamelosempleados
quepertenecenalamayoradelosproyectos,
ytambinenrestriccionesdifusas,comopor
ejemploUnempleadodebetrabajarenmuchos
proyectos.

SidosatributosdifusosdelosTipos1,2,34
necesitanlasmismasdefiniciones,podemos
registrartalesatributoscomocompatibles,para
simplificarlaFMB.

cuantificadorespuedenserabsolutoso
relativos,ypuedentenerunoodosargumentos
[3].

o
FUZZY_LABEL_DEF:Definelas
etiquetasusandofuncionestrapezoidales
(Figura1).

FUZZY_APPROX_MUCH:Valoresparael
margenyelmuchparalosTipos1y2.

FUZZY_NEARNESS_DEF:Relacionesde
similitudparalosTipo3.

2.5TablasdelaFMB

o
FUZZY_COMPATIBLE_COL:
Atributosdifusoscompatibles,coniguales
etiquetas.

Porcuestionesdeespacionopodemosexplicar
todoslosatributosdetodaslasrelacionesdela
FMB.Slotratamosdedarunaideadela
utilidaddecadatabla:

o
FUZZY_QUALIFIERS_DEF:
Definicindecualificadoresdifusos.

FUZZY_COL_LIST:Describelosatributos
difusosdecadatabla.ElvalorF_TYPEseusa
paraeltipodeatributodifuso,de1a8.LENes
elvalorn.

FUZZY_DEGREE_COLS:Estatabla
establecelosatributos(ocolumnas)asociadosa
gradosdifusos(sloparalosTipos5y6).
ObservaqueungradoTipo5tienesloun
atributoasociado,mientrasqueunTipo6puede
tenermltiples.Adems,unatributopuede
tenermuchosgradosdifusosasociadosal,
perotodosdelosTipos56.Porsupuesto,los
Tipos

7y8nousanestatabla.
CODE_SIGindicaelsignificadodelgradosi
F_TYPE[5,8].
FUZZY_DEGREE_SIG:Guardalos
significadosdelosgradosdelabasededatos.

FUZZY_OBJECT_LIST:Estatablacontiene
lasdeclaracionesdelosobjetosdifusos
relacionadosconlosatributosdifusos,tales
como,etiquetaslingsticas,cualificadoresy
cuantificadoresdifusos.Los

FUZZY_ER_LIST:Enpalabrasdelmodelo
FuzzyEER[3],estatablaalmacenalas
entidadesdifusasylasrelacionesdifusas.
DEGREE_TYPEvaleMparaentidades
difusas,Cparaentidadesdifusascongrados
calculadosautomticamente,EeIpara
entidadesdbilesdifusas(dependenciade
existenciaodeidentificacin)y,finalmente,
Rpararelaciones

difusasrepresentadasporunatabla.

FUZZY_TABLE_QUANTIFIERS:
Definicindecuantificadoresasociadosauna
relacinotabla(nounatributo).Estos
cuantificadoressonusadosenrestricciones
difusas[3]ypuedenserabsolutosorelativos.

3MODELOCLIENTESERVIDOR

Losmdulosnecesariosparalaconstruccinde
laextensindeunabasededatosrelacionala

XV Congreso Espaol Sobre Tecnologas y Lgica Fuzzy

relacionaldifusa,usandolaestructuralgicade
laFIRST2,segnlasespecificacionesde[3]
son,muyresumidamente:

MduloDinmicodelSistema:Comoparte
delanlisisdelosrequerimientosfuncionales
delsistemaquesonrecogidosporcasosdeuso,
seenmarcaelmodelodinmicodelsistema.

MdulodeConexin:Enlazapordefectoal
sistema,luegorealizalallamadaalservidor.Si
elusuariosolicitaunaconexinestemduloes
quienllamaalservidor,oalMdulodeControl
deerrores.

201

FMB
BASE DE DATOS
DIC
Catlogo

Fuzzy DB Activa

FSQLCatlogo

Servidor FSQL- PostgreSQL

SGBD

Sistema gestor de

Diseo de

Cliente Visual

Libreras de

BD relacionales

SERVIDOR

PostgreSQL

Interfaz

FQ2

Sistema

CLIENTE

Conexin

Cliente FSQL

Figura2:Esquemageneraldelaarquitectura.

MdulodeEjecucindeConsultaClsica:El
procesodeejecucindeunaconsultaclsicaal
igualquecualquierllamadoalservidor,

MdulodeEjecucindeConsultaDifusa:El
procesodeejecucindeunaconsultadifusaes
homlogo,peroconunanlisisdelainstruccin.

MdulodeTraduccin:Aquelusuarioingresa
laconsultadifusaenFSQL[6],luegoelservidor
laanalizalxica,sintcticaysemnticamente.Si
nohayerroresseefectalatraduccinaSQL.

4ARQUITECTURA

Paralaimplementacindelclientequehacede
interfazentreelusuarioyelservidor
PostgreSQL,seoptporunsistemadesarrollado
enplataformaWeb.SeoptporPHP,
principalmenteporlacompatibilidadconuna
gamadesistemasoperativosincluyendopor
supuestoLinuxyWindows,perotambinporla
facilidaddeinstalacindelosarchivosfuentes,
suscaractersticassonmsconocidasporlos
usuarios,ademsdequeestelenguajeesde
softwarelibre.

ElservidorFSQLPostgreSQL,estconstruido
sobreunaarquitecturaclienteservidor,conuna
interfazdeusuarioFuzzyQuery(FQGNU)que
realizapeticionesalServidor,aslacargadelos
procesossedivideenunpardeseparaciones
lgicas,ladeinterfazCliente,pudiendosern
usuarioscargandolocalmentesuFQ,ylos
procesosdelservidorqueseacumulanenuna
solamquina.EnlaFigura2sepresentaun
diagramadelaarquitectura,laculesexplicada
acontinuacin:

SGBD (SistemaGestordeBasedeDatos)
relacional: EsPostgreSQL,quiendeberecibir
todaslasoperacionesconcebidascomo
extensindelSQLhusped.ElSGBDrealiza
transaccionesenSQLtradicional,yalmomento
de

ESTYLF 2010, Huelva, 3 a 5 de febrero de 2010

efectuarunapeticinsetraducealaextensin
delSQL,paraqueelservidorejecutey
desplieguelatransaccinconcomponentes
difusas.

BasedeDatos:Almacenatodalainformacin,
yaseacrispodifusa.

FMByDIC:EslaBasedeMetaconocimiento
Difusoyaexplicada,yelDiccionariodel
sistema.Proporcionaeldiccionarioocatlogo
delsistema,enestecasodelaFIRST2.

ServidorFSQLPostgreSQL:Sufuncin
principalescapturarlassentenciasescritasen
lenguajedifusoFSQL[3][6],ytraduciryenviar
lasmismasalSGBD.Utilizatodoslosmdulos
queestnsoportadossobrePostgreSQL,esdecir,
basededatos,FMB,DICyunaseriedepaquetes
defunciones,procedimientos,triggers,etc.,que
seencuentranimplementadosenellenguaje
proceduralPgSQL.

ClienteVisual(FQ2GNU):Setratadeuna
interfazquecomunicaalusuarioconelSGBD
PostgreSQL.Aquelusuarioplantearsus
operacionesoconsultasFSQLylanzarsu
ejecucinalsistema.

202

FuzzyDBactiva:Equivalenaunagamade
triggersdifusosqueapoyanyactivanlatarea
delservidorFSQL.

PaquetesdeusodelservidorFSQL:Setrata
descriptsdeinstalacinydesinstalacin,as
comolospaquetesdeanlisisyconversinde
lassentenciasenFSQL.Tambinsetieneel
paquetedeoperacionesdifusas,quedebedotar
alservidorFSQLdelasoperacionesdifusasque
generanlaextensin.

MdulodeConexin:Serequierentrespasos
sencillos,primeroinvocarlalibrera(adodb),
luegocrearelobjetoparafinalmenteejecutarla
conexinconlosparmetrosdelSGBD.

Mdulodeerrores:Paraquelainterfaz
implementadaseaamigableparaelusuariose
debedesplegarlainformacindelosposibles
erroresdeformavisualyclara,dichainterfazde
usuariosedesarrollenGlade.

MdulodeejecucindeconsultaSQL:El
sistemadeberdesplegarconsultasenuna
pantallatipoqueryestndarparaluego
desplegarsuejecucinenunatabla.

MdulodeejecucindeConsultasAligual
queparalasconsultasclsicas,elsistema
debermostrargrficamenteenunatablael
resultadodeunaconsultadifusa.Tambinse
incorporarlainformacindelnmerode
columnasyfilasrecuperadas.LaFigura3
muestraunejemplo.

XV Congreso Espaol Sobre Tecnologas y Lgica Fuzzy

ESTYLF 2010, Huelva, 3 a 5 de febrero de 2010

lascomponentes
deFIRST2sehan
seguidolas
siguientestres
primerasfases,
paracada
componente:

Especificacindel
componente
(Etapa1):Enesta
etapase
especifican
detallesyenel
casodequeya
existaunaversin
anterior,seincluir
elalgoritmodeese
componente,ya
seamdulo,
formulario,
procedimiento,
funcinoen
generalalgn
objetode
PostgreSQL.

Figura3:Tabla
conresultadosde
unaconsultaFSQL
enelprograma
clienteFQ2con
herramientasWeb.

5
IMPLEMENT
ACIN

Parala
implementacinse

Algoritmode
implementacin
(Etapa2):Enesta
etapaseespecifica
elalgoritmoa
implementardela
FIRST2,siya
existeunaversin
anterior,seincluir
elalgoritmoylos
cambiosquesufri
laversinnueva.

Implementacin
(Etapa3):
TecnologaWeb
utilizando
herramientasde
desarrollocomo
PHP,javascript,
Ajaxyplantillasde
estiloCSS.Lagran
ventajade
desarrollarel

softwareconestas
herramientases
quesulicenciaes
GNU,ademsse
puedeusartantoen
Linuxcomoen
Windows.

Pruebasy
correcciones
parciales(Etapa
4):Estoincluyela
implementacinde
uncompletocaso
deestudioque
estudiamosa
continuacin.

6EJEMPLO
REAL:CITAS
MDICAS

Presentamosun
casodeestudio
concomponentes
difusasque
requierenla
implementacinde
laFIRST2,con
distintosy
variadostiposde
atributosdifusos,
entidadesdifusas,
interrelaciones
difusas,ydistintas
restricciones
difusas
(participacin
difusa,completitud
difusa...),
agregacindifusa,
especializacin
definidaparaun
atributodifuso,as
comotambin
aadirungrado
(con

distintosignificado
posible)aunoo
variosatributos,o
alaentidad
completa.

Estecasode
estudiohasido
modelado
utilizandoel
FuzzyEER[3],una
extensindel
modeloconceptual
EERquepermite
elmodeladode
atributosdifusos.

Elobjetodel
sistemaesla
gestindecitas
mdicasdeun
consultoriode
salud.LaFigura4
muestraelmodelo
delcasodeestudio
conlosprincipales
gradosdifusos.Las
principales
entidadesse
explicana
continuacin:

EntidadPaciente:
Informacindelas
personasquese
atiendenenel
consultorio.Posee
datosnodifusos,y
tambinun
atributodifuso
Tipo2Edadsobre
elcualexisten
cuatroetiquetas
lingsticas
predefinidas{
nio,joven,adulto,
adulto_mayor},
otroatributoes
Color_piel,elcual
esdeTipo4
(dominiodiscreto

noordenadoysin
relacinde
similitudentresus
etiquetas).

Entidad
Especialista:Esta
entidadguarda
informacindelos
profesionalesque
atiendenalos
pacientes.Sus
atributosson,dos
datosnodifusos
(RutyNombre),
unoTipo2
(Habilidad),un
difusoTipo3
(Experiencia)con
etiquetas
{aprendiz,normal,
experto},
indicandoun
dominio
subyacente
discretoconuna
relacinde
similitudentre
ellos(eldominio
realnoesdiscreto
yaqueestetipode
datosadmite
conjuntosdifusos
sobrelasetiquetas
definidas).El
ltimoatributoes
ungradodifuso
Tipo5asociadoa
losatributos
Experienciay
Habilidad.Este
gradomedirael
gradodefiabilidad
desendos
atributos.

Entidad
Asistencia:Esta
entidadalmacena
lasasistenciasalas
atencionesmdicas
almacenadasenla
basededatos,
poseetres

atributos,delos
cuales

Porcentaje_asiste
nciaesdifusoTipo
2.

Laimplementacin
delosnuevostipos
dedatosdifusos,
permitirnincluir
datosyconsultas
conincertidumbre,
ampliandoel
espectrode
informacina
disposicindel
procesodetomade
decisiones.Ms
informacinde
cmoseconstruy
elsistema,as
comodiversos
tiposdeconsultas
posibles,puede
encontrarseen[5].

7
CONCLUSIO
NES

Ladefinicin
FIRST2[3],
permitealmacenar
informacindifusa
demuyvariado
tipousandoun
SGBDrelacional.
Suantecesor,
FIRST[4],fue
implementadobajo
Oracley,entre
otrascosas,no
permitatantos
tiposdedatos
difusos.Aqu
presentamos
FIRST2
implementadoen
PostgreSQL.

Encuantoala
implementacinen
PostgreSQLy
componentesde
softwarelibre,
podemosdecirque

lomscomplejoes
laconstruccinde
funcionesen
cdigoSQL,pero
seconsiguenlas
enormesventajas
queofreceel

XV Congreso Espaol Sobre Tecnologas y

Lgica Fuzzy
203

ESTYLF 2010, Huelva, 3 a 5 de febrero de 2010

especialmenteData
Mining[2].

softwarelibre,sin
renunciara
aspectosdecalidad.
Estetrabajoofrece
unaeficaz
plataformapara
extender,abajo
coste,elusodeBD
difusasa
aplicacionesreales
ocientficas.
Ambostiposde
aplicacioneshan
sidoestudiadasen
[2]mostrandogran
potencialidad.

Conrespectoalos
trabajosfuturos
cabemencionarque
latendenciaactual
esdesarrollar
aplicacionesOO
(Orientadasa
Objeto).Sera
posible
implementarel
ServidorFSQLcon
unModeloObjeto
RelacionaldeBase
dedatos[1]y
tecnologaJavaen
elprogramacliente,
derivndoleal
algunastareaspara
sacarprovechode
subuendesempeo
enelusodela
memoria.

Tambinresultar
muyinteresante
aplicareinvestigar
estasherramientas
paradiversas
aplicacionesde
basesdedatos
difusas,

Agradecimient
os

Trabajo
parcialmente
apoyadoporel
Gobiernode
Espaa(proyectos
TIN200614285y
TIN200607262)y
elGobiernode
Andaluca
(proyectoP06
TIC01570).

Referencias

Barranco,C.D.,
Campaa,J.R.,&
Medina,J.M.
(2008).Towardsa
FuzzyObject
Relational
DatabaseModel.
InHandbookof
ResearchonFuzzy
Information
Processingin
Databases,Vol.II,
pp.435461.
Information
ScienceReference
(http://www.info
sciref.com).

Galindo,J.(Ed.),
(2008).Handbook
ofResearchon
FuzzyInformation
Processingin
Databases.

Hershey,PA,USA:
Information
ScienceReference
(http://www.info
sciref.com).

Galindo,J.,Urrutia,
A.,Piattini,M.
(2006).Fuzzy
Databases:
Modeling,Design
and
Implementation.
IdeaGroup
Publishing
Hershey,USA.

MedinaJ.M.,Pons
O.,VilaA.(1995).
FIRST.AFuzzy
Interfacefor
Relational
SysTems.VI
InternationalFuzzy
Systems
AssociationWorld
Congress(IFSA
1995).SaoPaulo,
Brasil.

Seplveda,A.
(2009).
Tratamientodela
imprecisinenBD
difusasextensin
delaFIRST2bajo
softwareLibre.
Seminariode
Titulo,Universidad

Catlicadel
Maule,Chile.

Urrutia,A.,Tineo,
L.,&Gonzalez,C.
(2008).FSQLand
SQLf:Towardsa
StandardinFuzzy
Databases.In
Handbookof
ResearchonFuzzy
Information
Processingin
Databases,Vol.I,
pp.270298.
Information
ScienceReference
(http://www.info
sciref.com).

Zadrony,S.,de
Tr,G.,de
Caluwe,R.,&
Kacprzyk,J.
(2008).An
OverviewofFuzzy
Approachesto
FlexibleDatabase
Querying.In
Handbookof
ResearchonFuzzy
Information
Processingin
Databases,Vol.I,
pp.3454.
Hershey,PA,
USA:Information
ScienceReference
(http://www.info
sciref.com).

Figura4:ModeloFuzzyEERdelcasode
estudioaplicado,usandolaherramienta
FuzzyCase.

204

XV Congreso Espaol Sobre Tecnologas y Lgica Fuzzy