Los datos secuenciales pueden ser recolectados en muchas aplicaciones como registros de ventas, bolsa de valores, registros médicos de pacientes, bases de datos en geofísica y astronomía, entre otras aplicaciones. Tales bases de datos incorporan la dimensión de tiempo que describe cuando ocurren eventos. La naturaleza temporal de los datos brinda un mejor entendimiento de las tendencias o patrones en el tiempo con el fin de encontrar relaciones entre eventos. Es posible combinar este hecho con bases teóricas que han sido desarrolladas por la filosofía, la matemática y las ciencias de la computación, tal como la lógica modal temporal. Sin embargo, los algoritmos existentes en descubrimiento de patrones secuenciales no utilizan el formalismo de la lógica temporal. Por ello, se desarrolla un método para descubrir relaciones temporales entre eventos en datos secuenciales utilizando la lógica temporal como base teórica. Así, se describe un modelo de descubrimiento de patrones secuenciales en el cual se incorpora la lógica temporal modificando el algoritmo Patrones Secuenciales Generalizados (GSP, por sus siglas en inglés). Se implementa el modelo por medio de una combinación de componentes de código abierto, además de la programación del algoritmo que incorpora la lógica temporal. Se realiza un estudio de eficacia sobre un conjunto de datos artificial y los resultados muestran la eficacia del modelo propuesto.

• Desarrollo Web a la medida
• Administración de contenido en Internet
• Comercio electrónico
• Planificación de recursos empresariales
• Telefonía sobre IP (Internet Protocol)
• Otros

Agenda

zone "midominio.cr" {
    type master;
    file "master/midominio.cr.db";
    allow-transfer { localhost; 75.125.255.162; };
    allow-update { key rndc-key; };
};