Adquisición de relaciones entre atributos en bases de datos relacionales

Resumen

La tesis se encuadra en la moderna área de investigación conocida como Descubrimiento de Conocimiento en Base de Datos, El objetivo es la definición de distintos tipos de relaciones, asociaciones y dependencias entre atributos en bases de datos relacionales, así como el estudio de técnicas adecuadas para la adquisición de estos tipos de conocimiento, prestando especial atención a los aspectos relativos a la interpretación y selección de las teorías obtenidas. Se ha introducido el uso de información imprecisa para resolver algunos de estos problemas. Se han propuesto nuevos cardinales de conjuntos difusos, basados en la idea de que la propiedad aditiva no es imprescindible. También se han propuesto nuevas medidas de entropía y equipotencia de los mismos, basadas en una nueva axiomática que también se aporta en la memoria. Se ha propuesto un conjunto de propiedades a verificar por cualquier método de evaluación de sentencias cuantificadas, se han estudiado los métodos existentes desde el punto de vista de dichas propiedades, y se han propuesto nuevos métodos basados en los cardinales que hemos aportado, que verifican dichas propiedades. Asimismo se han utilizado los conceptos de etiqueta y los nuevos métodos de evaluación de sentencias para la extracción de reglas de asociación en presencia de datos con alta granularidad. También se han aportado nuevas medidas de importancia y utilidad de las reglas de asociación basada en la introducción de los conceptos de Factor de Certeza de una regla de asociación y Regla de Asociación Muy Fuerte. Por último, se han propuesto nuevas medidas de importancia para Dependencias Aproximadas en bases de datos relacionales, convirtiendo el problema de extracción de dependencias aproximadas en un problema de extracción de reglas de asociación. Se introduce el concepto de soporte de una dependencia aproximada y emdidas p